天津大学学报
天津大學學報
천진대학학보
JOURNAL OF TIANJIN UNIVERSITY SCIENCE AND TECHNOLOGY
2008年
4期
408-412
,共5页
万健如%魏大强%翟丽华%刘英培%沈虹
萬健如%魏大彊%翟麗華%劉英培%瀋虹
만건여%위대강%적려화%류영배%침홍
有源滤波器%谐波检测%线性神经网络%自适应格型滤波器
有源濾波器%諧波檢測%線性神經網絡%自適應格型濾波器
유원려파기%해파검측%선성신경망락%자괄응격형려파기
针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square, LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性.仿真和实验结果分析表明,自适应格型检测算法比常规检测方法有更好的实时性和精度,补偿后5、7次谐波电流含有率明显下降,电力有源滤波器APF投入后补偿效果良好.
針對有源濾波器諧波檢測實時精度高的要求,將線性神經網絡應用于自適應譟聲對消技術,採用最小均方(least mean square, LMS)誤差算法對神經網絡進行訓練,通過線性神經網絡實現的自適應格型濾波器,每箇神經元對輸入基波和諧波信號併行協同處理,對電網高次諧波分量進行濾波和預測,較常規濾波器有更好的實時性和魯棒性.倣真和實驗結果分析錶明,自適應格型檢測算法比常規檢測方法有更好的實時性和精度,補償後5、7次諧波電流含有率明顯下降,電力有源濾波器APF投入後補償效果良好.
침대유원려파기해파검측실시정도고적요구,장선성신경망락응용우자괄응조성대소기술,채용최소균방(least mean square, LMS)오차산법대신경망락진행훈련,통과선성신경망락실현적자괄응격형려파기,매개신경원대수입기파화해파신호병행협동처리,대전망고차해파분량진행려파화예측,교상규려파기유경호적실시성화로봉성.방진화실험결과분석표명,자괄응격형검측산법비상규검측방법유경호적실시성화정도,보상후5、7차해파전류함유솔명현하강,전력유원려파기APF투입후보상효과량호.
