一种基于人工神经网络的电力谐波测量方法

提出了一种新颖的电力谐波测量方法,它用一个多层前馈神经网络替代模拟并行式谐波测量装置中的带通滤 波器,使各次谐波都可以用这个训练过的神经网络测量出来。阐述了该神经网络训练样本的组成和训练方 法。对一含有谐波的畸变电流的仿真结果说明了这种测量方法的有效性。     

一种基于人工神经网络的谐波测量新方法

提出了一种基于人工神经网络(ANN)的电力系统谐波测量新方法.该方法应用一个多层前馈神经网络(MLFNN),对当前采样时刻和上一采样时刻的三相电流采样值进行分析计算,得出三相电流的谐波分量.阐述了该神经网络的构造和用于网络训练的学习算法.将该网络应用于整流电路的谐波测量,进行了仿真研究.仿真结果表明该方法能够实时而准确地检测出谐波分量.通过与基于瞬时无功功率理论的谐波测量方法比较,进一步证实了该方法具有延时小而精度高的优点.     

一种基于DSP的电力谐波测量方法

介绍了一种在基于DSP进行FFT变换的电力谐波测量中 ,采用高速A/D采样 ,进行数据抽取的方法 ,可满足采样频率与信号频率同步 ,减少频谱泄漏的影响 ,能提高谐波的测量精度。     

谐波的测量方法及谐波分析仪

谐波的测量方法及谐波分析仪浙江省电力试验研究所范瑞逢为了保持供电系统中谐波含量及波形畸变率在规定值以内，需要了解电网中实际存在的谐波含量，这可通过理论分析计算和实际测量来进行。但由于电网中谐波问题复杂，精确的分析困难，所以实际测量就更显得重要，这就要...     

一种超高次谐波测量方法研究

随着配电网电力电子化的蓬勃发展,电网中的谐波逐渐向高频延伸,超高次谐波(2～150 kHz)已成为不可忽略的新型电能质量问题。准确测量是研究超高次谐波的基石,但受传统谐波测量理论体系的限制,当前测量方法已不再适用。本文简要分析了电力电子变流器超高次谐波产生机理,并从基波频率的关联性角度对比了谐波和超高次谐波的差异性,在此基础上探讨GB/T 17 626.7所规定的谐波测量方法应用于超高次谐波的适用性,继而提出一种在等间隔同步采样方式下谐波和超高次谐波采用不同谐波分群方式的通用型测量方法,实现二者的兼容,并通过仿真和实测数据验证了该测量方法的合理性,为超高次谐波传播特性、兼容水平规划以及治理效果评价等内容的研究提供基础。     

基于人工神经网络的电网频率测量方法

基于多层感知器可以任意精度逼近任何线性或非线性 基本原理,提出了一种采用多层前馈神经网络的频率测量方法,并给出相应反向传播学习算法（ＢＰ）神经网络的构造过程和训练方法。仿真结果表明,基于人工神经网络的频率测量方法具有实时性、高精度和鲁棒性,有实用价值。     

一种新型高压直流谐波电流测量方法

鉴于传统的谐波测量方法已难以满足高压直流输电(HVDC)谐波测量的需要,介绍了一种基于Rogowski 线圈的HVDC谐波电流测量系统,整个系统的准确度优于3%,谐波检测部分的准确度优于1%,该系统完全不受 直流分量影响,高低压端完全光纤隔离,易于绝缘,适于HVDC谐波测量,也可用于一般直流谐波的测量。     

基于人工神经网络的电网谐波检测系统设计

电网谐波含量是衡量电能质量的重要指标,对谐波的检测具有很高的经济和社会效益。综述了目前常用的谐波检测原理和方法,同时指出其优缺点,展望了谐波检测的发展方向,成功开发出基于AT91 RM9200的嵌入式计算机主板,并得到成功应用。     

基于人工神经网络的电网谐波检测系统设计

电网谐波含量是衡量电能质量的重要指标,对谐波的检测具有很高的经济和社会效益。综述了目前常用的谐波检测原理和方法,同时给出其优缺点,展望了谐波检测的发展方向,成功开发出基于AT91RM9200的嵌入式计算机主板,并得到成功应用。     

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。     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

变压器经济运行的神经网络控制系统

介绍了一种微机双绕组变压器负荷经济运行控制系统的基本工作,硬件结构框图和主要技术特点。该系统应用人工神经元网络技术具有的强大的学习能力,一定的容错能力和对噪声的鲁棒性进行了短期负荷预测。该系统能自动地将日负荷曲线分为2个典型时间段,并自动调整变压器的运行状态,最大限度地降低了变压器自身的电能损耗,从而达到节能,增效的目的。     

应用人工神经网络进行短期负荷预测

本文提出了一种应用人工神经网络进行电力系统短期负荷预测的方法。负荷按照每周各日进行分类，共七种模式，学习样本选取每周中的相同类型日。为了提高预测精度，对原始数据中的伪数据进行清除，对于那些可以预料到的随机干扰，应用专家系统原理予以处理。通过对银川供电局负荷的实际预测，表明本文所提供方法可以实际应用。     

基于小波分解和人工神经网络的短期负荷预测

提出了一种基于小波分解和人工神经网络(ANN)的电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相匹配的人工神经网络模型进行预测,最后综合得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,并对其进行进一步细分,根据其子序列各自所具有的规律采用相应的预测方法;而ANN对于处理非线性及无法显示明确规律的问题具有优势.经实例验证,与传统方法相比该方法具有很高的预测精度和较强的适应能力.     

基于神经元网络的用于有源电力滤波器的电流检测

章将自适应噪声对消技术用于有源滤波器的电流以检测,提出一种基于神经元网络的自适应检测方法。该方法具有实时、准确、能自适应跟踪负描电流的变化等特点,并能在电力系统三相负载不对称情况下检测出负序和零序电流。理论分析和仿真结果证实了该方法的可行性。     

一种求解环境经济负荷调度问题的人工神经网络新方法

提出了一种求解火力发电系统的环境经济负荷调度（EELD）问题的新的人工神经网络方法。该方法可以克服传统神经网络方法引起的参数问题，而且不论其初始点是否位于可行域内，神经网络模型所表示的动态系统的状态都会快速收敛于对应的EELD问题的全局最优解。文中还利用一个3机测试系统证实了此方法的有效性。     

变拓扑人工神经网络负荷预报

提出变拓扑人工神经网络(ANN)预报电力系统负荷的方法。所提出的模型能较 全面地反映影响负荷变化的各种因素。ANN在BP算法的学习中，需用的数 据窗最短。通过人机会话，可灵活地实现不同预报期限的负荷预报。算例表明 ，方法是有效的，预报精度比常规方法高，收敛性好，计算速度快，适于在线 应用。