神经网络在有源电力滤波器谐波电流检测上的应用.pptxVIP

第1页/共30页神经网络在有源电力滤波器谐波电流检测上的应用第2页/共30页 Contents1概述2有源电力滤波器3Hopfield神经网络4基于hopfield网络的谐波检测法第3页/共30页概 述 有源电力滤波器的工作性能很大程度上取决于对非线性负载谐波电流的准确、实时监测。根据有源电力滤波器的不同工作要求，对谐波电流的检测要求也不尽相同。对有源电力滤波器的谐波电流检测除了要求较高精度和较好的实时性外，当负载发生变化时要有良好的自适应跟踪检测能力。基于Hopfield 神经网络的谐波电流检测方法主要是运用其能量函数的优化处理能力，对谐波检测建立的目标函数进行优化，从而建立了 Hop第4页/共30页field 神经网络结构的谐波检测模型，从而检测出所需的各次谐波的幅值和相位。该方法具有采样数据实时处理速度快，实时性好，能够自适应快速检测出各次谐波分量的幅值和相角等优点。与目前应用的谐波检测方法相比较精度高、实时性好，具有较大的应用前景。第5页/共30页有源电力滤波器应用：有源电力滤波器是一种用于动态抑制谐波、补偿无功的电力电子装置，它能够对大小和频率都变化的谐波以及变化的无功进行补偿，之所以称为有源，顾名思义该装置需要提供电源，其应用可克服LC滤波器等传统的谐波抑制和无功补偿方法的缺点（传统的只能固定补偿），实现了动态跟踪补偿，而且可以既补谐波又补无功。第6页/共30页有源电力滤波器工作原理：有源电力滤波器通过电流互感器检测负载电流，并通过内部DSP计算，提取出负载电流中的谐波成分，然后通过PWM信号发送给内部IGBT，控制逆变器产生一个和负载谐波电流大小相等，方向相反的谐波电流注入到电网中，达到滤波的目的。第7页/共30页Hopfield 神经网络1982年，美国加州工学院物理学家 Hopfield提出了一种具有相互联接的反馈型人工神经网络模型—霍普菲尔德神经网络（Hopfield Neural Network,HNN）模型，他将“计算能量函数”的概念引入到对称 Hopfield 网络的研究中，给出了网络的稳定性判据，并用来求解约束优化问题。另外，他利用多元HNN的多吸引子及其吸引域，实现了信息的联想记忆功能，从而有力地推动了神经网络的研究。 第8页/共30页Hopfield 神经网络连续型 Hopfield 神经网络（CHNN）：CHNN的激活函数的输入与输出之间的关系为连续可微的单调上升函数，主要用于优化计算。谐波电流的检测主要应用CHNN对其进行优化计算。激活函数的作用： （1）控制输入对输出的作用； （2）对输入、输出进行函数转换； （3）将可能无限域的输入变化成指定范围内的输出；第9页/共30页Hopfield 神经网络系统外部输入连续的Hopfield网络细胞膜的传递电阻细胞膜的输入电容模拟生物神经元输出的时间常数模拟神经元的非线性特性图1 连续型Hopfield神经网络电子线路第10页/共30页Hopfield 神经网络图2 人工神经元模型第11页/共30页Hopfield 神经网络 对于图2，在连续 Hopfield 网络中，若定义第i个神经元的输入总和为 ，输出状态为 ，则网络的状态转移方程可写为：对于连续 Hopfield 网络来说， 其中神经元的激活函数 f 为 S型函数： 或第12页/共30页Hopfield 神经网络 对于上述两种 S 型函数，当 时，函数值趋于饱和，限制了神经网络输出状态的增长范围，而参数 λ用以控制 S型函数在0点附近的变化率。 第13页/共30页Hopfield 神经网络Hopfield 能量函数： Hopfield 在80年代初提出了一个对单层反馈动态网络的稳定性判别的函数，这个函数有明确的物理意义，是建立在能量基础上的。 Hopfield认为在系统的运动过程中其内部储存的能量随着时间的增加逐渐减少，当运动到平衡状态时，系统的能量耗尽或比的最小，那么系统自然将在此平衡状态处逐渐稳定即有 。因此对Hopfield反馈网络定义了一种能量函数E，称为Hopfield 能量函数，这个E可正可负但负向有界。第14页/共30页Hopfield 神经网络 图1网络能量函数定义为： 为 的逆函数。t 为神经网络模型的输出时间常数，上式第三项表示一种输入状态和输出值关系的能量项。若该函数为单调递增且连续可微函数， ，则随网络状态的变化，有 第15页/共30页Hopfield 神经网络表明网络的解轨道在状态空间中总是朝着能量较小的方向运动，且网络的稳态平衡点就是E的极小点。Hopfield网络是单层全反馈全对称网络，神经元间的连接权值有 。第16页/共30页Hopfield 神经网络