基于改进动量因子Adaline算法的SAPF谐波检测方法

发布时间：2020-12-30 08:04

　　针对传统大功率高电压情况下并联有源电力滤波器（SAPF）装置谐波检测精度不高的问题,提出一种基于改进动量因子优化Adaline网络的自适应谐波电流检测算法。引入双动量因子修正Adaline网络的权值调整公式,以提升网络稳定性并加快收敛。采用载波相移—正弦波脉宽调制（CPS-SPWM）方式,构建基于改进动量因子Adaline算法的级联H桥SAPF仿真模型,仿真结果表明:与传统Adaline检测算法相比,所提算法响应误差减小16.56%,收敛速度提升33.33%,具有较好的电流检测效果。 

【文章来源】：传感器与微系统. 2020年09期

【文章页数】：3 页

【部分图文】：

基于自适应算法谐波检测原理

检测结果对比

为进一步验证所提算法的实用性，基于CPS-SPWM调制策略，在MATLAB上搭建基于该算法的级联H桥SAPF仿真模型。通过模型得到通过不同方法补偿前后的谐波含量如图3所示。通过对仿真波形和补偿前后谐波含量的分析，表明级联H桥SAPF能很好地补偿谐波。负载电流谐波含量为29.08%，经传统基于基础Adaline算法检测谐波，补偿后，系统电流谐波含量变为4.08%;而经过改进动量Adaline算法检测谐波，补偿后，系统电流谐波含量变为2.13%。

【参考文献】：
期刊论文
[1]粒子群优化RBF神经网络谐波电流检测方法研究[J]. 付攀文,庞科旺.  信息技术. 2019(03)
[2]大规模风电并网地区次同步谐波检测方法[J]. 张超,王维庆,邱衍江,王海云.  高电压技术. 2019(07)
[3]基于改进的小波变换电力系统谐波分析[J]. 康家玉,曹志威,王旭,刘甲琛.  现代电子技术. 2018(19)
[4]基于神经网络的二次谐波检测研究[J]. 郝淑娟,何巍巍,刘永皓,崔海瑛,邱忠阳.  现代电子技术. 2018(18)
[5]基于改进HHT的间谐波检测算法[J]. 范伟宁,陈红卫.  电子测量技术. 2018(14)
[6]一种基于小波包变换的电力系统谐波检测方法[J]. 肖厦颖,李开成,王凌云,孟庆旭,蔡得龙,罗奕.  电测与仪表. 2017(24)
[7]基于LMS算法的自适应谐波检测方法研究[J]. 芮长颖.  控制工程. 2017(11)
[8]基于自适应线性神经元网络的谐波检测算法[J]. 方树,韩杨,罗飞,徐琳.  电子技术应用. 2017(06)
[9]基于PSO神经网络的定子电流信号谐波检测[J]. 叶圣超,朱希安.  科技通报. 2017(05)
[10]基于神经网络自适应预测算法的谐波检测[J]. 陈淑华,付青,马桂龙,刘凤杰,程光蕾.  电工技术学报. 2011(S1)



本文编号：2947301