人工神经网络论文电能质量论文-基于人工神经网络BP算法.doc

人工神经网络论文电能质量论文-基于人工神经网络BP算法在电能质量检测分析监控新技术应用研究 摘要:人工神经网络BP算法在农村电力短期负荷多变量预测结构发生了重大变化,探索一种人工神经网络BP算法在农村电力短期负荷的多变量质量检测相空间融合方案,以及新型智能电网中的物联网信息聚合技术,和每一分量质量检测采用互信息法进行最佳延迟时间的选择,及最优嵌入维数则采用最小BP算法,预测误差法进行电压波形发生畸变引起电压波动和闪变以及三相不平衡。 关键词:电能质量检测;BP算法;人工神经网络 1电能质量新技术研究 人工神经网络BP算法在农村电力短期负荷多变量预测结构发生了重大变化,探索一种神经网络BP算法在农村电力短期负荷的多变量质量检测相空间融合方案以及新型智能电网中的物联网信息聚合技术,同时针对每一分量质量检测采用互信息法进行最佳延迟时间的选择,最优嵌入维数则采用最小BP算法预测误差法进行电压波形发生畸变成引起电压波动和闪变以及三相不平衡等,对供电电能质量造成严重的干扰或“污染”。 2电能质量检测新技术 2.1当前电能质量检测原理 对电能质量进行监测是获得电能质量信息的直接途径,虽然只局限于持续性和稳定性指标的检测,而传统的基于有效值的检测技术由于时间窗太长,仅测有效值已不能精确描述实际的电能质量问题,因此需发展满足以下要求的新检测技术:(1)能捕捉快速瞬时干扰的波形;(2)需要测量各次谐波以及间谐波的幅值、相位,需要有足够高的采样速率,以便能测得相当高次谐波的信息;(3)建立有效的分析和自动辨识系统,使之能反映各种电能质量指标的特征及其随时间的变化规律。 2.2电能质量新技术应用 基于电能质量在硬件和软件上应用平台主要有数字信息聚合技术处理、物联网信息聚合技术等新技术以及新的如小波变换的BP算法。电能质量检测对于系统实时性和支持复杂算法的特殊要求,提出一种基于双CPU的嵌入式实时系统解决方案。基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究,通过基于标准偏差估计的小波消噪算法,有效排除了噪声干扰,实现了精确的故障时刻定位。基于小波变换的理论,结合电能质量检测数据的特点,将基于小波变换系数的门限方法应用于电能质量检测数据的压缩。基于电能质量检测系统的组成部分和该系统不但能实现电网数据的精确采样分析电网的各项电能质量指标,并以直观的图形显示出来。 3电能质量新技术分析原理 电能质量的分析计算涉及对各种干扰源和电力系统的数学算法,由于干扰源性质各异,干扰的频谱从0Hz到GHz的广宽范围内,建立干扰源和物联网聚合电网元件准确的数学模型有时困难很大,有赖于电网基础资料的可信度。近年来,基于数字技术的各种分析方法已在以下电能质量领域中得到应用:分析谐波在网络中的分布波形畸变及在网络中的传播;分析各种电能质量控制装置在解决相关问题方面的作用;多个控制装置的协调以及与其他控制器的综合控制等问题。目前所采用的方法为: (1)时域仿真方法该方法在电能质量分析中的应用最为广泛,其主要的用途是利用各种时域仿真程序对电能质量问题中的各种暂态现象进行研究。 (2)频域分析方法该方法主要用于谐波问题的分析计算,包括频率扫描,谐波潮流计算等。即在非线性负载的动态特性,常规的谐波潮流计算法基础上,对非线性负载进行仿真计算,从而得到动态谐波潮流解。 (3)基于变换的方法这里主要指Fourier变换方法、短时Fourier变换方法和小波变换方法。作为经典的信号分析方法Fourier变换具有正交、完备等许多优点,而且有象FFT这样的快速Fourier算法,因此已在电能质量分析领域中得到广泛应用。但在运用FR时,必须满足以下条件:满足采样定理的要求,即采样频率必须是最高信号频率的两倍以上;被分析的波形必须是稳态的、随时间周期变化。 4电能质量研究中的人工智能新技术 (1)专家系统成本较高且在开发过程中耗时过长,但依然出现了很多应用。这些主要体现在对畸变的电压和波形进行分类;对电能质量问题的解决方案在专家系统架构下进行开发;测量和分析电能质量及电力系统电磁兼容性和识别电能质量可扩展的系统。 (2)根据历史数据和一些影响负荷变化的因素变量来推断将来时刻的负荷值。具有原理和结构简单、研究速度快、外推特性好的等特点。也存在历史数据要求高、无法详细地考虑各种影响负荷的因素,模型初始化难度较大,需要丰富的经验和较高的技巧的缺陷。 (3)滑法指数平滑法是一种曲线拟合法,在短期负荷研究中,一般用过去数周的同类型日的相同时刻的负荷组成一组时间上有序的观测值,然后对该数组进行加权平均就得到所需的负荷值。 (4)序列法就是根据负荷的历史资料设法建立时间序列的数学模型,并在该模型的基础上建立负荷研究的数学表达式,对未来的负荷进行研究。 (5)神经网络BP算法在农村电力短期负荷预测的主要思想是把电能质量检测分析监控分为两个阶段:第一阶段(正向传播过程),给出输入电能质量检测分析监控信息采集通过输入电能质量检测分析监控层经隐含层逐层处理中心数据采集来的信息并计算每个单元各个节点的实际输出电能质量检测分析监控技术;第二阶段(反向过程),若在输出层未能得到中心数据采集期望的输出值,则逐层递归地计算实际输出电能质量检测分析监控与期望输出电能质量检测分析监控短期负荷之差值(即误差),以便根据电能质量检测分析监控短期负荷此差值调结权值,就是可对每一个电能质量检测分析监控短期负荷权值计算出接收单元的误差值与发送单元的激活值的积。因为这个积和误差对权重的(负)微商成正比(又称梯度下降算法),把它叫做权重误差微商。电能质量检测分析监控短期负荷规则的指导思想:对电网权值和阈值的修正要沿着表现函数下降最快的方向-负梯度方向如下: 第一,隐层节点的输出 yj=f(wijxi-j)=f(netj) (1) 其中netj=wijxi-j (2) 输出节点的计算输出 zl=f(vljyj-l)=f(netl) (3) 其中netl=vljyj-l (4) 输出节点的误差 E=(tl-zl)2=tl-f(vljyj-l)2 =tl-f(vljf(wijxi-j)-l)2 E=(tI-zi)2=(tl-zi) (5) 第二,误差函数对输出节点求导 = (6) E是多个zk的函数。但有一个zl与vlj有关,各zk间相互独立,其中 =-2(tk-zk)=-(tI-zI) (7) =f(netI)yj (8) 则=-(tl-zl)f(netl)yj (9) 设输入节点误差为 l=(tl-zl)f(netl) (10) 则=-Iyj (11) 第三,误差函数对隐层节点求导 =Ij (12) E是多个zl的函数,针对某一个wji,对应一个yj,它与所有zl有关,其中 =-2(tk-zk)=-(tI-zI) (13) =f(netI)(-1)=f(netI)vIj (14) =f(netI)xi (15)则 =-(tI-zI)f(netI)vIjf(netj)xi=-IvIjf(netj)xi (16) 设隐层节点误差为 j=f(netj)IvIj (17) 则=-Ixi (18) 由于权值的修正vlj,wji正比于误差函数沿梯度下降,则有wji=-=jxi (19) vlj(k+1)=vlj(k)+vlj=vlj(k)+lyj (20) l=-(tl-zl)f(netl) (21) l=l (22) wji(k+1)=wji(k)+wji=wji(k)+jxi (23) j=f(netj)lvlj (24) 其中隐层节点误差j中的lvlj表示输出节点的zl的误差,l通过权值vlj向节点yj反向传播,成为隐层节点的误差。 第四,阈值也是变化值,在修正权值的同时也需要修正,原理同权值修正一样。误差函数对输出节点阈值求导: = (25) 其中=-(tl-zl) (26) =f(netl)(-1) (27) 则=(tl-zl)f(netl)=l (28) 阈值修正l=l (29) l(k+1)=l(k)+l (30) 误差函数对隐层节点阈值求导= (31) 其中=-(tl-zl) (32) =f(netI)vIj (33) =f(netl)(-1)=-f(netj) (34) 则=(tI-zI)f(netI)vIJf(netj)=IvIjf(netj)=j (35) 阈值修正j=j (36) j(k+1)=j(k)+j (37) 第五,传递函数f(x)的导数S型函数f(x)= 则f(x)=f(x)1-f(x) (38) f(netk)=f(netk)1-f(netk) (39) 对输出节点zl=f(netl) (40) f(netj)=zl(1-zl) (41) 对输出节点yj=f(netj) (42) f(netj)=yj(1-yj) (43) 5结语 基于人工神经网络BP算法在电能质量检测分析监控新技术应用研究两个趋势:其中之一就是全智能控制化,自动对电能质量问题进行识别和数据处理,从而实现全面的无人监控功能;另一个则是通信技术远程化和同时针对每一分量混沌时间序列采用互信息法进行最佳延迟时间的选择,最优嵌入维数则采用最小BP算法预测误差法进行确定。所以远程化就可以适应不同层次的监控要求,从而使电能质量的监控点能够分布到电网中的任何地方,并且具有良好的在线功能。利用计算机VPN和以太网网络技术的更新融合,为不同地点供电系统电能质量的远程集中监测和分析数据建立主要包括GPRS授时技术进行与GIS多点同步采样,同时建立WEB网络平台和大型数据库管理供电网络运行数据供电系统的稳定。 参考文献 1 林海雪.电能质量的基本J.电网技术,2001,25(10). 2 奚珣.电能质量的更高要求及对策J.供用电,20