基于神经网络的高精度电力系统谐波分析

为了精确分析整数次谐波和非整数次谐波,讨论了基于参数固定的三角基函数的人工神经网络算法,利用该算法可一次性获得电力系统基波及各整数次谐波的频率、幅值和相位;同时提出了改进的三角基函数的人工神经网络算法,即变参数三角基函数的人工神经网络算法,把改进的模型和FFT结合起来,能实现精确的整数次和非整数次谐波的分析.仿真结果表明了两种算法的正确性和易实现性;同时也验证了改进的算法进一步提高了谐波分析的精度,为分析间谐波提供了依据.     

一种新的基于神经网络的高精度电力系统谐波分析算法

提出了一种新的基于三角基函数的人工神经网络算法,利用该算法可一次性获得电力系统基波及各次谐波的频率、幅值和相位,提出并证明了该神经网络算法的收敛定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,文中提出的谐波测量方法的计算精度极高,且计算量较小,因此在电力系统谐波测量中有较高的应用价值.     

Ip-iq谐波检测中三角基函数神经网络快速滤波方法的研究

瞬时无功功率的ip-iq谐波检测多以低通滤波器为基础,需采集大量数据才可以实现稳定输出,且响应与采集的数据量相关。现在也有很多谐波分析采用神经网络,但都是基于已经存在的数据直接导入,实时性无法体现。文章基于上述两种方式的不足,分析提出一种用三角基函数神经网络替代低通滤波器的实时检测法,不在对固定的数值滤波分析,而是在Simulink中编写S程序,封装成模块,做到实时性检测效果,而且同样可以缩短响应时间,减小相对误差。运用MATLAB对两者进行仿真比较,结果表明三角基函数神经网络可以完全代替低通滤波器,且响应速度快,相对误差小,输出更稳定。     

基于自适应神经网络的谐波分析模型与算法

提出一种周期信号的谐波基函数神经网络模型及基于该模型的谐波分析算法.该算法将基波频率和谐波幅值相位共同作为权值参与学习调整,通过自适应测量原理估计各次谐波参数,算法的收敛性定理为学习率的选择提供了理论依据.对信号存在频率偏差和含有白噪声两种情况分别进行了仿真,结果表明该算法精度高、收敛速度快,适合于非同步采样和短数据下的电力系统谐波分析.     

基于FFT 和神经网络的高精度谐波分析

为了精确分析整数和非整数次谐波,提出了基于快速傅里叶变换(FFT)和神经网络的谐波分析方法,该方法的特点是采用基函数参数可调的神经网络。具体是先把信号进行FFT处理,得到谐波个数和精度不高的谐波幅值、相位、谐波次数;其次根据谐波个数设定神经元的个数,根据预处理后得到的幅值、和相位、谐波次数设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现整数和非整数次谐波的精确分析,同时能将频率相近的非整数次谐波分离。仿真结果验证了该方法的有效性与易实现性。     

基于FFT和神经网络的高精度谐波分析

为了精确分析整数和非整数次谐波,提出了基于快速傅里叶变换(FFT)和神经网络的谐波分析方法,该方法的特点是采用基函数参数可调的神经网络.具体是先把信号进行FFT处理,得到谐波个数和精度不高的谐波幅值、相位、谐波次数;其次根据谐波个数设定神经元的个数,根据预处理后得到的幅值、和相位、谐波次数设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现整数和非整数次谐波的精确分析,同时能将频率相近的非整数次谐波分离.仿真结果验证了该方法的有效性与易实现性.     

基于FFT和神经网络的非整数次谐波检测方法

运用人工神经网络模型进行整数次谐波检测可达到较高的检测精度，但这种线性神经元模型不适合非整数次谐波的检测。为精确检测非整数次谐波，文中提出了一种改进进的线性人工神经元模型，并将加汉宁窗的FFT算法和改进的线性人工神经元模型结合起来，提出了一种用于非整数次谐波检测的新方法。该方法首先对采样信号用加汉宁窗的FFT算法进行预处理，得到了谐波个数和精度不高的谐波次数：其次根据谐波个数设定神经元的个数，根据预处理后得到的谐波次数设定神经网络谐波次数迭代的初始值；最后对改进后的人工神经网络进行训练，便可实现非整数次谐波的精确检测。仿真实例表明，该方法能将频率相近的非整数次谐波分离，可有效地提高谐波参数的检测精度，为谐波治理提供良好的依据。     

基于FFT和神经网络的非整数次谐波分析改进算法

运用神经网络模型进行整数次谐波检测可达到较高的检测精度,但该种线性神经元模型不适合非整数次谐波的检测。为精确检测非整数次谐波,该文提出一种改进的线性人工神经元模型,并将加汉宁窗的FFT算法和改进的线性人工神经元模型结合起来,提出一种改进的非整数次谐波分析算法。首先,对采样信号用加汉宁窗的FFT算法进行预处理,得到谐波个数和精度不高的谐波次数;其次,根据谐波个数设定神经元的个数,根据预处理后得到的谐波次数设定神经网络谐波次数迭代的初始值;为了提高迭代速度,提出了谐波次数迭代步长自适应调整的算法。最后对改进后的人工神经网络进行训练,实现了非整数次谐波的精确检测。仿真实例表明,该方法能将频率相近的非整数次谐波分离,可有效提高谐波参数的检测精度和速度。     

适用于非整数次幂的高精度混合基FFT谐波测量算法

快速傅里叶变换(FFT)是目前谐波分析中常用的分析算法,加窗插值FFT算法能够改善频谱泄漏和栅栏效应,但是FFT对采样数据序列有一定的长度要求.以基2为例,针对非2整数次幂数据序列无法采用快速傅里叶变换的问题,在分析研究常规混合基FFT算法频谱分布的基础上,提出一种适用于非整数次幂的高精度混合基FFT谐波测量算法.该算法采用四根谱线对混合基结果进行插值校正计算,该文详细分析推导了该算法的原理和修正过程.仿真及试验结果表明,在非2整数次幂条件下,与常规混合基FFT算法、补零FFT算法相比,该算法具有更高的谐波分析准确度,并且参数设置更加灵活.     

基于分裂基快速傅立叶变换的电力系统谐波分析

基于快速傅立叶变换(FFT)的电力系统谐波分析难以实现同步采样和整数周期截断,易造成频谱泄漏,影响谐波分析精度.为提高FFT的精度,比较几个典型的窗函数,提出基于加凯瑟窗的插值分裂基快速傅立叶变换算法.仿真分析结果表明该算法能提高FFT计算精度,满足谐波参数测量的精度要求.     

发电机进相能力的RBF神经网络模型

发电机进相运行是调节电网电压、改善电能质量的一种经济性、技术性皆优的先进手段。由于发电机是一个多变量、强耦合的非线性系统,基于传统分析方法难以精确建立其进相能力分析模型,本文提出基于径向基函数(RBF)神经网络的发电机进相能力模型,以发电机有功功率和无功功率为输入,以发电机功角、电网电压为输出,采用江苏电网某600MW发电机进相试验数据训练和测试RBF网络,并探讨了基宽、神经元数的选择对RBF网络收敛精度的影响。研究表明本文所建立的发电机进相RBF模型具有速度快、精度高的优点,具有良好的泛化能力,其性能优于BP神经网络模型。本文提出的方法能有效克服传统进相分析方法的局限性,适用于发电机进相运行实时控制,有推广应用价值。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

基于神经网络的酒泉风电基地超短期风电功率预测方法

风电的随机性和波动性给电力系统调度运行带来了一定的困难,以我国首个千万kW级风电基地甘肃酒泉风电基地为例,研究了基于神经网络的酒泉风电基地超短期风电功率预测方法,并对风速和风电功率实时数据进行了分析处理。在此基础上,基于神经网络算法和贝叶斯规则进行了超短期预测建模过程分析。最后,通过预测结果对预测模型进行了验证分析,验证结果表明预测模型合理、预测精度高,该预测结果可以为调度运行人员提供参考。     

基于遗传神经网络的太阳能集热器仿真研究

提出神经网络和数学模型相结合的方法建立太阳能集热器神经网络模型,并采用遗传算法对太阳能集热器神经网络模型进行优化,用以提高仿真模型的预测精度。在热管式真空管太阳能集热器实验数据的基础上,构建反向传输神经网络模型和遗传算法-反向传播神经网络模型,应用数学模型、反向传输神经网络模型和遗传算法-反向传播神经网络模型进行仿真计算,结果表明遗传算法-反向传播神经网络模型的计算精度高于数学模型和反向传输神经网络模型。同时该建模方法应用于太阳能集热器仿真,既提高了仿真模型的计算精度,又提高了仿真模型的通用性。     

遗传算法和神经网络结合的PSD非线性校正

针对光电位置传感器(PSD)检测系统在大坝变形观测中所呈现的非线性问题,建立改进的遗传算法和LM-BP神经网络结合的模型,对PSD的非线性进行补偿?该方法先用遗传算法对LM-BP网络的权阈值进行优化后再用LM-BP网络逼近任意非线性函数的特点对实际位置数据与理想值进行拟合后并进行测试,经过多次任意产生的种群优化后选择较为优秀个体作为神经网络的和阈值,并对任意位置进行校正,仿真结果表明,该方法克服了LM-BP网络对初始权阈值的依赖和泛化能力弱的特点,多次实验平均误差都小于1%,其泛化能力优于标准的遗传算法和神经网络结合的模型。     

神经网络组合预报模型及其在汽轮发电机组状态检修中的应用

在组合预报模型研究基础上，提出基于神经网络的非线性组合预报模型，由神经网络给出常规预报方法的最佳组合。首先从函数逼近角度研究了这种模型的理论基础，在此基础上给出了实现策略和神经网络的有效训练算法，将该模型应用于发电机组状态检修的振动参数的趋势分析和故障预报，仿真结果表明该模型有更高的预报精度。     

Application of a neural network and heuristic model for voltage-reactive power control

This paper presents a new approach based on a neural network and heuristic model for voltage-reactive power control. The idea is to combine the learning and parallel-processing characteristics of a neural network as well as the fuzzy reasoning of a heuristic model to simplify the problem and improve the efficiency of calculation. The control variables are determined using a neural network type knowledge base and the quantities of the control actions are calculated with the heuristic model. The modified IEEE 30-bus test system is used to demonstrate the application of the proposed approach.     

基于改进MobileViT网络的番茄叶片病害识别

针对卷积神经网络对番茄叶片型病害分类效果不佳的问题，提出了一种基于改进MobileViT轻量级网络的番茄病害识别方法。首先，删除输入和全局表征层的特征融合，将局部和全局表征层进行特征融合，使局部表征与全局表征更加密切相关；其次，为了避免模型在缩放时参数和FLOPS的大幅增加，在融合块中使用1×1卷积层替换3×3卷积层；然后，还添加了输入与融合块的残差结构，优化了网络模型中的更深层次；最后，将ReLU6激活函数替换成H-Swish激活函数，进一步提高了模型准确率。实验结果表明，改进后的MobileViT模型可以很好地实现番茄病害的识别，平均识别准确率达到99.16%。相较于其它的卷积神经网络模型，具有更高的识别精度。