双自适应神经网络和快速TLS-ESPRIT的谐波检测方法及仿真

发布时间：2022-01-25 19:41

　　针对BP神经网络应用于谐波分析时收敛速度慢、初始值选取不当等问题,为实现谐波的准确检测,提出双自适应BP神经网络和快速TLS-ESPRIT（总体最小二乘法—旋转矢量不变技术）相结合的检测方法。该方法利用快速TLS-ESPRIT算法得到频率和信号源个数,将频率作为BP神经网络的初始值,信号源数作为中间节点个数,经双自适应BP神经网络得到网络权值,进而完成谐波的幅值和相位检测。仿真试验结果表明,该算法在检测谐波时,检测速度更快,且具有较高的检测精度。 

【文章来源】：水电能源科学. 2020,38(09)北大核心

【文章页数】：4 页

【文章目录】：
1 引言
2 双自适应神经网络和快速TLS-ESPRIT的谐波检测方法
    2.1 双自适应BP神经网络
    2.2 快速TLS-ESPRIT谐波检测
    2.3 双自适应神经网络和快速TLS-ESPRIT结合的谐波检测方法计算步骤
3 算法仿真分析
    3.1 谐波检测仿真
    3.2 间谐波检测仿真
4 结论


【参考文献】：
期刊论文
[1]基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识[J]. 张煜林,陈红卫.  电力系统保护与控制. 2018(12)
[2]基于HHT谐波与间谐波检测研究[J]. 张敢,施火泉,饶琨.  电源学报. 2019(04)
[3]电力系统灵活性评价研究综述[J]. 施涛,朱凌志,于若英.  电力系统保护与控制. 2016(05)
[4]改进汉明Burg和稳健支持向量机的间谐波检测[J]. 崔晓荣,王军,林莉,孙章,田攀.  电力系统及其自动化学报. 2014(06)
[5]一种基于小波变换的谐波与基波有功和无功电流检测算法[J]. 林祥军,衡思坤,应展烽,易文俊.  水电能源科学. 2013(04)
[6]基于EEMD的谐波检测方法[J]. 朱宁辉,白晓民,董伟杰.  中国电机工程学报. 2013(07)
[7]基于快速TLS-ESPRIT的间谐波检测算法[J]. 张滨生,喻乐,和敬涵,周文.  电力自动化设备. 2011(02)
[8]基于数学形态学和HHT的谐波和间谐波检测方法[J]. 张宇辉,贺健伟,李天云,谢家安.  电网技术. 2008(17)



本文编号：3609096