基于神经网络的电力系统谐波检测

发布时间：2017-09-16 07:28

  本文关键词：基于神经网络的电力系统谐波检测

  更多相关文章： 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

【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,本文利用自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,利用自适应算法的自适应性,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
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM935;TP183
【目录】：

• 摘要6-7
• Abstract7-11
• 第一章 绪论11-23
• 1.1 本课题的研究背景及意义11
• 1.2 谐波概述11-13
• 1.2.1 谐波的定义12
• 1.2.2 谐波的产生12
• 1.2.3 谐波的危害12-13
• 1.3 谐波电流检测方法概述13-15
• 1.4 神经网络的定义15
• 1.5 神经网络的发展15-16
• 1.6 神经网络的特点16-17
• 1.7 神经网络的分类17-20
• 1.7.1 根据神经元之间的连接方式分类18
• 1.7.2 根据网络内部的信息流向分类18-19
• 1.7.3 根据学习算法分类19-20
• 1.8 神经网络的应用20-21
• 1.9 本文的主要研究内容和安排21-23
• 第二章 基于线性神经网络谐波电流检测23-36
• 2.1 线性神经网络基础23-28
• 2.2 自适应噪声消除原理28-30
• 2.3 线性神经网络谐波检测30-33
• 2.4 仿真验证33-35
• 2.5 本章小结35-36
• 第三章 基于两级级联神经网络的谐波电流检测36-46
• 3.1 两级级联神经网络的谐波电流检测36-41
• 3.2 仿真验证41-45
• 3.3 本章小结45-46
• 第四章 基于混合型BP-RBF神经网路的谐波电流检测46-62
• 4.1 BP神经网络谐波电流检测46-51
• 4.2 RBF神经网络谐波电流检测51-57
• 4.3 混合型BP-RBF神经网络谐波电流检测57-58
• 4.4 仿真验证58-61
• 4.4.1 BP神经网络谐波电流检测仿真58
• 4.4.2 RBF神经网络谐波电流检测仿真58-59
• 4.4.3 混合型RBF神经网络谐波电流检测仿真59
• 4.4.4 仿真结果分析59-61
• 4.5 本章小结61-62
• 结论和展望62-64
• 致谢64-65
• 参考文献65-70
• 作者在攻读硕士学位期间发表的学术论文及科研成果70

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 曾U喺

本文编号：861694