[发明专利]一种谐波电流的人工神经网络检测方法

说明书

技术领域

本发明涉及一种谐波电流的人工神经网络检测方法，属于电力系统谐波检测技术领域。 

背景技术

随着电力电子装置的广泛应用，电网中的谐波污染和动态无功负荷已成为一个非常严重的问题。为了抑制谐波和补偿无功功率，国内外研制了许多新型的无功补偿装置和有源电力滤波系统。显然，其补偿效果与有源电力滤波系统所采用的谐波和无功电流的检测方法有关。

目前采用的检测方法主要是基于瞬时无功功率理论。这种检测方法能够较好地检测谐波和无功电流，但也存在不足之处，如电压波形畸变影响检测精度、对单相电路的谐波电流检测必须首先构建三相电路等。有的专家采用了一般模拟并行式谐波测量装置的原理，但由于实际电力系统的负载电流变化多样，该方法需要花大量的时间来训练样本，难以满足实时补偿的要求。应用神经网络理论检测可以解决谐波和无功电流检测的精度和实时性问题。 

发明内容

针对传统检测方法的不足，本发明提出一种谐波电流的人工神经网络（以下简称ANN）检测方法，包括以下步骤：

  (1) 检测原理

著名学者Widrow曾提出一种自适应噪声对消法用于信号处理中，将信号源s从噪声n₀中分离出来，检测原理如图1所示。检测系统有两个输入，即原始输入s+n₀和参考输入n₁，其中s和n₀不相关，s和n₁也不相关，但n₁是和n₀相关的噪声干扰。自适应滤波器自动调整其输出n₀^*，使其在最小均方误差下逼近主干道的噪声干扰n₀。这里，系统输出y同时作为误差信号e来调节自适应滤波器的参数。

取i=i₁+i₃+i₅+i₇+i₉作为噪声干扰代替n₀（i₁和i₃、i₅等分别是负载电流i_L中的基波和3、5次等谐波分量）。取负载电流i_L作为原始输入代替s+n₀。用神经元代替自适应滤波器，分别取基波的正余弦信号                                               和以及3、5、7和9次谐波的正余弦信号（通过倍频获得）作为神经元的十个输入代替参考输入。根据正弦函数的正交特性，可以证明它们和“噪声干扰”电流i对应的各次正弦和余弦分量分别相关，和其他高次谐波总电流i_h不相关，这就构成了基于ANN的自适应谐波和无功电流检测电路。此时，输出y就是i_L中除3、5、7和9次谐波电流外的其他高次谐波电流之和。 

实际负载电流可能含有很多高次谐波，所以从理论上讲，代替干扰噪声的i中含有的3、5、7、9等谐波次数越多，训练结果就越精确，但这样构成的ANN就越复杂，从而实时性会降低。因此，应综合考虑电力系统实际情况，结合训练精度以及系统的实时性，合理选取i中的谐波次数。

考虑到电力系统中谐波在其中占的比重不大，且大多是奇次谐波，特别是整流型非线性负载，任一奇次谐波的幅值一般不会超过基波幅值的50%，且谐波次数越高其幅值越小，在这里取i=i₁+i₃+i₅+i₇+i₉作为噪声干扰代替n₀，后面将对此作进一步分析说明。

     (2) 检测方法