|
湘潭大学智能计算与信息处理教育部重点实验室、深圳职业技术学院的研究人员何巨龙、王根平、刘丹、唐友明，在2016年第12期《电气技术》杂志上撰文指出，由于配电系统谐波扰动具有非平稳性、突变性和短时持续性，给快速、精准地定位与识别谐波扰动带来困难。 为了改善配电系统谐波扰动的定位与识别效果，提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案，然后对谐波扰动信号进行提升小波分解，结合模极大值对谐波扰动突变点峰值进行定位，再用自适应学习率和增加动量项相结合的方法对传统BP神经网络改进并进行谐波扰动识别训练。 仿真结果表明，该方法能更好地获取扰动时刻信息，定位快速精确，对配电系统谐波扰动识别率高。 近年来，风能、太阳能、潮汐能等间歇性能源的发展得到了各国政府的大力支持，但这些能源存在很大的波动性、间歇性和随机性，大规模并网会给配电系统带来很多电能质量问题。根据各国学者和电力部门的统计，在配电系统的各种电能质量问题中，谐波扰动是主要的电能质量问题[1]。因此，如何提高电能质量成为目前配电系统等相关领域的热点课题[2]。 配电系统谐波扰动的研究和治理受到了越来越多的重视，对配电系统谐波处理技术的要求也越来越高，而快速、准确地对配电系统谐波扰动进行定位与识别是其中的重要环节，也是评价电能质量的重要手段和改善电能质量的重要措施[3]。 国内外对配电系统谐波扰动的定位与识别已展开广泛而深入的研究，产生了许多方法，如短时傅立叶变换[4]，S变换[5-7]，小波变换[8],但都存在各自的不足。 短时傅立叶变换由于其时间窗长度和形状相对固定，不能同时体现高频及低频的特征，存在局限性；用S变换法对谐波扰动进行检测，检测定位精度较高，但S变换运算量较大，实时性难保证；小波变换能较好地定位与识别谐波扰动，但采用的是传统小波，运算速度较慢，定位耗时较长。 针对以上问题，提出了一种定位配电系统谐波扰动起止时刻和识别扰动的新方法，利用提升小波和改进BP神经网络对其进行分析。 通过对配电系统谐波扰动信号的多分辨率db4提升小波分解，得到其高、低频分解系数序列，然后利用模极大值来定位分析谐波扰动起止时刻，提高了配电系统谐波扰动定位精度和速度，实时性更强，再通过自适应学习率和增加动量项相结合的方法对BP神经网络改进，降低了陷入局部极小点的概率，提高了网络收敛速度。最后通过仿真和分析验证了所提方法的有效性。 图1 谐波扰动定位与识别过程 结论 配电系统谐波扰动是影响电能质量的重要因素，而电能质量直接关系到电气设备运行的安全性和可靠性，如何快速和精确地对谐波扰动信号进行定位与识别至关重要。 本文利用提升小波和改进BP神经网络对配电系统谐波扰动进行定位与识别。提升小波对谐波扰动起止时刻的定位耗时明显少于传统小波，其计算速度更快、实时性更强且定位精度高；谐波扰动起止时刻理论值与实际测量值对比，相对误差小，能满足实际工程对谐波扰动起止时刻的定位需求；利用自适应学习率和增加动量项对传统BP学习算法改进，有效地提高了配电系统谐波扰动的识别速度和识别精度。 |
|
|
