基于神经网络的电力系统谐波检测-电气工程专业论文.docxVIP

国内图书分类号：TM921．2密级：公开国际图书分类号：621’3西南交通大学研究生学位论文年姓申请学位级别工堂亟±专业电氢工程指导老师赵篷全教援二零一五年五月一奄一丑，平丑月万方数据ClassifiedIndex：TM921．2U．D．C：621．3southwestJiaotongUniversityMasterDegreeThesisRESEARCHONADAPTIVEHARMONICCURRENTDETECTIONMETHODFORACTIVEPOWERF11月ERGrade：2012Candidate：YangLeiAcademicDegreeAppliedfor：MasterSpeciality：ElectricalEngineeringSupervisor：Prof．ZhaoHaiquanMay．2015万方数据西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于I．保密口，在年解密后适用本授权书；2．不保密Z使用本授权书。(请在以上方框内打“√”)学位论文作者签名：砌毳指导老师签名：纱俦会日期：2015年5月z7臼B强：殆j争j与j刀万方数据西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1、利用自适应噪声对消技术构建线性神经网络谐波检测系统，研究分析了线性神经网络谐波检测常用的算法，即LMS算法和RLS算法，为了比较两种算法的优缺点，进行了仿真实验，仿真实验证明了在相同误差条件下，RLS算法的收敛速度比LMS算法的收敛速度快，RLS算法的跟踪能力比LMS算法的跟踪能力差。2、针对线性神经网络学习因子选择存在矛盾，提出了两级级联线性神经网络，该神经网络具有收敛速度快、稳态误差小等优点，通过仿真实验证明了两级级联神经网络比线性神经网络收敛速度快、跟踪性能好和准确度高。3、构建了基于BP神经网的谐波检测系统和基于RBF神经网的谐波检测系统。通过理论分析发现，在结构复杂程度相同的情况下，BP神经网络谐波检测结果比RBF神经网络谐波检测结果精确度高；BP神经网络谐波检测比RBF神经网络谐波检测收敛速度慢。为此提出了混合型BP—RBF神经网络，并对BP神经网络谐波检、RBF神经网络谐波检和混合型BP—RBF神经网络进行了仿真实验，结果表明混合型BP—RBF神经网络同时具有BP神经网络和RBF神经网络的优点，即收敛速度快且检测结果精确度高。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：杨磊日期：zo衅：卵硎万方数据西南交通大学硕士研究生学位论文第1页摘要众所周知，大量的现代化电子设备的出现导致了谐波进入电网。谐波会对用电设备造成严重危害，比如缩短用电设备寿命、烧坏用电设备和导致用电设备不能正常工作等。由于谐波会对生活造成危害，所以需要消除谐波，谐波消除成为了各国科学家研究重点，而谐波检测是谐波消除中重要的环节。本文主要研究基于神经网络的谐波检测。首先，本文利用白适应噪声对消技术构建线性神经网络谐波检测系统，自适应噪声消除谐波电流检测的基本原理是：将负载电流视为系统期望信号，其中总的谐波分量视为输入噪声信号，将参考输入信号输入滤波器中，利用自适应算法的白适应性，不断调节滤波器权值向量，当算法收敛到稳态时，得到的输出信号在幅值和相位上逼近基波电流，进而在负载电流上减去输出信号，得到估计的谐波电流，以此实现谐波电流的检测。然后，针对线性神经网络学习因子的选择存在矛盾，提出了两级级联线性神经网络结构，并应用于谐波检测。两级级联神经网络谐波检测原理是：第一级神经网络的学习率选择较大，第二级神经网络的学习率选择较小，调节权重参数，让训练初始阶段第一级线性神经网络占主导地位，当训练达到稳定阶段时，权重参数自动调节，使得第二级线性神经网络占主导地位。这样保证了两级级联神经网络谐波检测收敛速度快和稳态误差小。最后，针对BP神经网的谐波检测和RBF神经网的谐波检测的缺陷，提出了混合型BP—RBF神经网络。讨论了混合型BP—RBF神经网络谐波检测的可行性，并用MATLAB软件进行仿真分析。关键词：谐波；神经网络；线性神经网络；两级级联神经网络；RBF神经网络；BP神经网络；混合型BP．RBF神经网络万方数据