[发明专利]基于改进型小波神经网络的谐波检测方法

说明书

本发明公开了一种基于改进型小波神经网络的谐波检测方法，包括：根据小波神经网络原理建立网络结构，设定网络初始值，权值参数采用自相关修正方法，确定权值w_jk，根据权值确定伸缩参数a_j和平移参数b_j，隐含层传播函数选用Morlet小波函数，输入层节点数由信号的采样点数确定，隐含层节点数采用计算隐含层节点经验公式；确定网络训练算法，采用附加动量项的训练算法来平滑权值学习路径，当前一次修正过大，附加动量项的训练算法能减少当前的修正量，反之亦然。本发明引入网络参数的自修正算法，改善网络的收敛性。避免了网络训练陷入局部最小导致检测的精度低的问题，利用附加动量项的训练算法平滑学习路径，提高了电网谐波检测精度。

技术领域

本发明涉及一种谐波检测方法，尤其是涉及基于改进型小波神经网络的谐波检测方法。

背景技术

现如今由于电子器件的广泛使用，电力系统受到谐波的污染的问题也越来越突出，谐波的存在对电力设备的可靠性，安全性，以及使用寿命等都构成了一定的影响，如何精确的检测谐波含量已经成为该领域的热点。2002年《电网技术》第26卷第6期中的《利用Morlet连续小波变换实现非整次谐波的检测》一文，选择分频严格的小波函数减少谐波各频带之间的混叠，利用连续积分小波变换的方法来检测非整次谐波并与傅里叶检测方法作对比，经仿真证实了方法的可行性，但未考虑到频率调制现象且计算繁琐。2003年《电机工程学报》第23卷9期《一种高精度的电力系统谐波分析算法》一文，分析了加海宁窗的FFT插值算法求得系统频率和线性神经网络检测谐波的原理，提出一种基于FFT-Adaline算法并用于谐波检测。在利用加海宁窗的FFT插值算法得到电力系统精准频率下，再运用Adaline神经网络模型分析谐波，经仿真对比测试，证实了该算法的可行性，但对信号处理器的要求比较高。2008年《中国电机工程学报》第28卷第7期《基于小波神经网络的时变谐波信号检测》一文，将小波对信号的自适应时频分割特性，引入神经网络从而改善网络性能，但检测的精度取决网络参数的选择。

发明内容

为了解决现有技术存在的不足，本发明公开了一种基于改进型小波神经网络的谐波检测方法，首先针对网络参数的设置不当导致网络性能下降的问题，引入网络参数的自修正算法，改善网络的收敛性。其次避免网络训练陷入局部最小导致检测的精度低的问题，利用附加动量项的训练算法平滑学习路径，从而提高检测精度。

本发明提供的技术方案如下：

基于改进型小波神经网络的谐波检测方法，其特征在于，包括以下步骤：

根据小波神经网络原理建立网络结构，选用单输入、单隐层、单输出结构；

设定网络初始值，权值参数采用自相关修正方法，确定权值w_jk，根据权值确定伸缩参数a_j和平移参数b_j，隐含层传播函数选用Morlet小波函数，输入层节点数由信号的采样点数确定，隐含层节点数采用计算隐含层节点经验公式；

确定网络训练算法，采用附加动量项的训练算法来平滑权值学习路径，当前一次修正过大，附加动量项的训练算法能减少当前的修正量，当前一次修正过小，附加动量项的训练算法能增加当前的修正量。

进一步地，所述权值的自相关修正步骤为：

将区间[-1,1]上的随机数付给权值w_jk，再对w_jk进行归一化得到w'_jk：

再乘以一个自相关系数c：

w″_jk＝c·N^1/m·w'_jk (5)

最终选定输入至隐含层的权值为：