基于神經(jīng)網(wǎng)絡(luò)的有源電力濾波器應(yīng)用研究

電網(wǎng)的諧波濾波對于維護(hù)電網(wǎng)的供電質(zhì)量意義重大，特別對于關(guān)鍵供電設(shè)備受諧波影響很大，更需要高質(zhì)量的電源作保證。而要保證電網(wǎng)中濾波的效率和準(zhǔn)確率，就必須準(zhǔn)確的判斷諧波的次數(shù)和幅值大小。所以關(guān)鍵問題在于諧波的檢測和判斷，特別對于電網(wǎng)負(fù)荷大幅波動的情況下，諧波的快速準(zhǔn)確檢測更有重大的價值。

　　一、電網(wǎng)諧波的傳統(tǒng)檢測方法

　　諧波檢測的傳統(tǒng)方法也有很多，其中重點在于對電流諧波的檢測。綜合來講，主要有以下幾種諧波檢測方法：

　　1） 傅立葉分析方法：主要是對檢測到的電流電壓信號進(jìn)行傅立葉分析，分解出高次諧波的頻譜，最后計算出應(yīng)該加入的濾波裝置參數(shù);

　　2） 小波分析方法：本質(zhì)上是傅立葉分析方法的一個擴(kuò)展，只不過在頻譜的提取上更有特點，計算方式與傅立葉方法類似;

　　3） 零序電流分析方法：通過檢測零序電流和瞬時無功功率來進(jìn)行諧波分析;

　　4） PI調(diào)節(jié)濾波器法：通過PI調(diào)節(jié)技術(shù)結(jié)合濾波技術(shù)，來檢測特定次的諧波含量;

　　5） 等功率法：通過檢測直流側(cè)電容的平均電壓來判定電網(wǎng)諧波;

　　6） 其它基于先進(jìn)控制理論的諧波檢測技術(shù)，如神經(jīng)網(wǎng)絡(luò)理論等。

　　二、BP神經(jīng)網(wǎng)絡(luò)技術(shù)

　　BP（Back propagation）網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)，是一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)。解決了多層網(wǎng)絡(luò)中隱含單元連接權(quán)的學(xué)習(xí)問題。

　　對于系統(tǒng)的輸入M和輸出L，BP神經(jīng)網(wǎng)絡(luò)可看成是從M維歐氏空間到L維歐氏空間的映射，這種映射的一大特點是高度的非線性，用途非常廣泛，結(jié)構(gòu)如圖2.1所示其中包括：

　　1） 數(shù)據(jù)壓縮技術(shù)：圖像數(shù)據(jù)的壓縮存儲和圖像特征的抽取;

　　2） 模式識別技術(shù)：用于信息的識別比如文字，語言等，特別適用于對特征的判斷;

　　3） 函數(shù)逼近：用于復(fù)雜工業(yè)系統(tǒng)的建模和控制，特別適合于強(qiáng)耦合和非線性的系統(tǒng)。

圖2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

　　考慮用BP網(wǎng)絡(luò)技術(shù)來檢測諧波主要也是基于電力系統(tǒng)動態(tài)諧波的特點而定的，電網(wǎng)里面的諧波次數(shù)很多，過去的一個關(guān)鍵設(shè)備就是一種并行的濾波式檢測裝置。這種裝置的原理方框圖如圖2.2所示，它的實時性和準(zhǔn)確性都還不錯，但由于濾波器數(shù)量太多，造成整套裝置十分復(fù)雜，故障率和可靠性比較低，且無法根據(jù)需要進(jìn)行功能上的修改，適應(yīng)性較差。

圖2.2 并行濾波式諧波檢測裝置方框圖

　　比較圖2.1和圖2.2，可以考慮用BP網(wǎng)絡(luò)來代替圖2.2中的硬件電路，用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法來加以代替。可以將實際電網(wǎng)的輸入信號看成是待測量信號，進(jìn)行一系列的采樣和自我學(xué)習(xí)。BP網(wǎng)絡(luò)的輸出得出的是所要檢測的各次諧波電流信號的幅值，得到的這些電流信號是有源電力濾波器的補(bǔ)償電流發(fā)生電路所需要的指令電流信號的重要部分?；谶@種思想，可以考慮用BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行的諧波電流的檢測，本文中，將做一下仿真研究。

　　三.BP神經(jīng)網(wǎng)絡(luò)與電網(wǎng)諧波檢測

　　3.1 電力系統(tǒng)諧波特點

　　在電力系統(tǒng)中，判斷諧波的大小有一個量化指標(biāo)，常用總諧波畸變率（THD）來度量電壓和電流的質(zhì)量。

　?。?.1）

　　上式中， Ah表示第h次諧波幅值; A1表示基波I1（t）幅值。

　　有源電力濾波器在本質(zhì)上就是通過降低電力系統(tǒng)中的總諧波畸變率，使電能質(zhì)量達(dá)到國家制定的電能質(zhì)量標(biāo)準(zhǔn)。在電力系統(tǒng)中的諧波可以歸納出以下的這些特點：

　　1） 奇次諧波是電網(wǎng)中諧波的主要成分，而且奇次諧波的幅值也不會超過基波幅值的70%,高次諧波的幅值都比較小，所以要重點考慮奇次諧波的濾波;

　　2） 電力系統(tǒng)畸變電流中所含有的奇次諧波分量很多，但有幾種是嚴(yán)重影響電能質(zhì)量的，包括5次、7次、11次和13次諧波;

　　3） 實際操作中，有源電力濾波器的檢測環(huán)節(jié)先檢測出這幾種諧波，然后控制補(bǔ)償和濾波電路進(jìn)行動作，濾掉這幾種影響較大的諧波，從而顯著降低 中的諧波含量，也就大幅度降低了電力系統(tǒng)的總諧波畸變率。

　　基于以上分析，本文提出了下面的檢測方案，如圖3.1所示。即用一個輸入節(jié)點為128,輸出節(jié)點為3的BP網(wǎng)絡(luò)來實現(xiàn)有源電力濾波器對諧波電流的檢測;輸出層的期望輸出分別是5次、7次、11次和13次諧波的幅值;輸入層的輸入為畸變波在一個基波周期的128個采樣值（當(dāng)基波的頻率為50Hz時，采樣周期取0.02/127s）。

圖3.1 基于BP網(wǎng)絡(luò)的諧波電流檢測方案

　3.2 BP諧波檢測網(wǎng)絡(luò)的實現(xiàn)

　　BP網(wǎng)絡(luò)中的一個關(guān)鍵步驟是關(guān)于隱含層的設(shè)計，包括隱含層的數(shù)量和對應(yīng)關(guān)系等問題。若BP網(wǎng)絡(luò)中的每個輸出諧波都與同一個隱層相連接，輸出層和隱層之間的連接權(quán)對對諧波濾波值可以給出最佳值，但是整個系統(tǒng)的記憶負(fù)擔(dān)太重，而降低系統(tǒng)的效能，并有可能相互影響。但是如果使每次諧波分別對應(yīng)于一個隱層，即都有自己的隱層，每個隱層只負(fù)責(zé)記憶自己所對應(yīng)的那個諧波的隱含映射關(guān)系，將會更好地克服由于一個隱層帶有的諧波之間相互影響的問題。

　　在本文中我們對圖3.1所示的多層前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采用的是一種啟發(fā)式學(xué)習(xí)算法即動量BP算法（MOBP），該算法采用動量法調(diào)整策略，可顯著降低網(wǎng)絡(luò)對于誤差曲面局部細(xì)節(jié)的敏感性，有效的抑制網(wǎng)絡(luò)陷入局部極小，在網(wǎng)絡(luò)訓(xùn)練中MOBP采用式（3.1）和式（3.2）修正權(quán)值和閾值。

　　在式（3.1）和（3.2）中： 是學(xué)習(xí)速率，γ是動量系數(shù)。m是指網(wǎng)絡(luò)的第m層， 是近似均方誤差對m層輸入的敏感性，b是網(wǎng)絡(luò)權(quán)值，w是網(wǎng)絡(luò)閾值，Y是網(wǎng)絡(luò)輸出層的輸出，T是矩陣轉(zhuǎn)置。

　　四.仿真研究

　　用上述構(gòu)成的組合控制進(jìn)行仿真，將電流檢測應(yīng)用到有源電力濾波器中觀察波形，神經(jīng)網(wǎng)絡(luò)輸出層采用非線性激活函數(shù)logsig和線性激活函數(shù)pureline進(jìn)行檢測結(jié)果對比，根據(jù)仿真值計算所得的THD平均值如表1所示：

表1 測試樣本補(bǔ)償前后的平均THD值

　　采用訓(xùn)練好的BP網(wǎng)絡(luò)檢測實驗仿真濾波器電路的電流波形，其中電源電流波形和濾波器注入電流波形分別如圖4.1至圖4.5所示。

圖4.1 電源電流波形

圖4.2 濾波器注入電流波形

圖4.3 沒有濾波裝置時的系統(tǒng)電流

圖4.4 投入混合型有源濾波器后的系統(tǒng)電流

圖4.5 不同情況下系統(tǒng)電流頻譜比較

　　表1和圖4.1、圖4.2表明總諧波畸變率經(jīng)諧波補(bǔ)償后得到了明顯的下降，說明該諧波電流檢測方法能較好的進(jìn)行諧波電流檢測并比較好的進(jìn)行補(bǔ)償。

　　結(jié)束語

　　本文從瞬時無功功率入手，通過對BP網(wǎng)絡(luò)模型、檢測方法等方面的改進(jìn)進(jìn)行組合控制, 在負(fù)載突變時引進(jìn)神經(jīng)網(wǎng)絡(luò)提高準(zhǔn)確實時性，得到了準(zhǔn)確實時性好的諧波檢測方法，結(jié)合有源濾波器將檢測方法應(yīng)用到檢測環(huán)節(jié)通過仿真結(jié)果可以看出該方法為分析和設(shè)計諧波動態(tài)檢測提供了有效的手段和工具。