遗传算法优化神经网络的谐波检测系统的研究

发布时间：2020-05-01 17:40

【摘要】：电力是当今社会使用最为广泛的能源之一,良好的电能质量是各行业飞速发展的前提,是人们安稳生活的保证。但近些年来由于大量非线性、冲击性电力设备的投入使用,致使电力系统中产生了谐波,表现为电能质量的下降,直接影响社会的安全、稳定和经济运行,解决谐波问题刻不容缓。而解决谐波问题的首要环节是谐波的检测,因此设计一套性能良好的谐波检测系统是十分有必要的。本文从谐波检测系统的检测算法和系统设计这两方面展开研究。在检测算法方面,首先介绍了现阶段对于谐波检测的几种常用方法,并做了分析对比,决定采用神经网络作为检测系统的核心算法。然后针对神经网络中的BP网络做了相关阐述,并用各种改进的BP网络去检测谐波,发现采用LM算法的BP网络在谐波检测方面更具有优势,但其也存在着缺陷,即对于网络的初始权值和阈值参数敏感,会影响谐波的检测结果,于是提出用遗传算法去优化的策略,并进行了仿真研究,结果表明采用遗传算法优化的BP网络相比未优化的网络其训练速度更快,对于谐波的检测更加精确。但是遗传算法也存在缺陷,于是提出自适应遗传算法优化BP网络的谐波检测方案,并进行仿真实验,结果表明自适应遗传算法优化的BP网络其训练速度更快,有利于提高谐波检测的实时性,并且谐波检测的结果也更加精准。在系统设计方面,本文进行了硬件电路和软件程序的设计。硬件电路主要从数据采集模块、数据处理模块和人机交互模块这三方面展开研究,其中数据处理模块采用了现阶段较为实用的芯片S5P4418作为主控制器,其强大的数据运算能力可以提高系统对于谐波的检测速度。软件程序的设计包括系统的驱动程序和应用程序设计这两个方面,驱动程序主要介绍了WIFI和SD卡驱动的设计流程,而应用程序则介绍了主程序和基本子程序的设计流程,基本子程序包括采样程序、数据处理与显示程序以及数据传输程序。最后结合硬件与软件,完成了一整套谐波检测系统的设计。图[44]表[8]参[56]。
【图文】：

谐波测量

无功功率的谐波检测方法[9-12]；基于小波变换的谐波检测方法[13-16]；基于经网络的谐波检测方法[17-20]。（1）基于模拟滤波器的谐波检测方法使用模拟滤波器进行谐波检测，其核心在于模拟滤波器的设计，主要包滤波器和带通滤波器这两种。就高通滤波器来说，它可以将含有谐波成分的基波分量滤除，得到谐波分量。而带通滤波器与此不同，它是将含有谐信号中的基波分量提取出来，再与原信号相减以得到谐波分量。图 1 所示并行滤波式测量装置法，带有谐波分量的信号经放大器放大后送入并行联组带通滤波器，带通滤波器的中心频率 f 是工频的整数倍，且满足 f1<f2<...谐波的最高次数)，经带通滤波器处理后再送入多路显示器，这时可以通过观察到谐波的成分以及幅值。此种方法的优点是原理简单，电路所用元件少，造价低，并且电路输出，功率因数易于控制。缺点是测量误差大，实时性差，对电路元件参数敏外界环境要求高。

BP神经网络,三层,神经网络

力系统中大量非线性设备的投入使用致使电网产生了谐波，严重稳定运行，寻求高质量的谐波检测方法势在必行，而神经网络以拟合能力和自适应能力取得了良好的应用效果。前基于神经网络进行谐波检测大多采用的是 BP 神经网络[21]，BP 言原理比较简单，结构也不复杂，实现难度低，可以满足谐波检性的要求。神经网络的结构86 年，Rumelhart、McCelland 等科学家提出 BP（Back Propagati它是一种按误差逆向传播算法训练的多层前馈网络，是目前应用络[22]。BP 神经网络一般由输入层、隐含层和输出层构成，隐含多层结构，，图 2 所示的为一个典型的三层 BP 神经网络，层与层的连接方式，同一层之间不存在相互连接。
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM935

【参考文献】