（电工理论与新技术专业论文）小波神经网络谐波检测方法与有源滤波器仿真研究.pdf

a b s t r a c t a b s t r a c t t h i sp a p e rs u m m a r i z e st h ed e v e l o p m e n to fh a r m o n i cd e t e c t i n gt e c h n o l o g yb y s o f t w a r eo rh a r d w a r ea n dt h ep r i n c i p l eo fa c t i v ep o w e rf i l t e rf o rh a r m o n i cc o m p e n s a t i o n a tf i r s t o nt h eb a s i so fa n a l y s i sa n ds y n t h e s i st ow a v e l e tt r a n s f o r mt h e o r ya n dn e u r a l n e t w o r kt h e o r y , t h ep a p e rh a sd e s i g n e daw n n - w a v e l e tn e u r a ln e t w o r k ，p r e s e n t s b u i l dp r o c e s s ，t r a i n i n ga l g o r i t h ma n dt h ep r i n c i p l et oc h o o s ea n di n i t i a l i z ew e i g h t ， t h r e s h o l dp a r a m e t e r st ot h i sn e t w o r k u s i n gt h et h e o r yo fa n a l o g yp a r a l l e l i n gf i l t r a t i o n t y p eo fh a r m o n i cd e t e c t i n ge q u i p m e n t ，t h et h e s i sc o n s t r u c t san e wh a r m o n i cd e t e c t i n g m e t h o db a s e do nw n n a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fh a r m o n i ci np o w e rs y s t e m a n db ym e a n so fa n a l y s i sa n dr e s e a r c ht ot h ef o r ma p p r o a c ho ft r a i n i n gs a m p l e s ，t h i s p a p e rh a sc a r r i e do u ts i m u l a t i o nr e s e a r c ht ot h ep r o p o s e dh a r m o n i cd e t e c t i n gm e t h o d b a s e d0 i 1w n n b yp r o g r a m m i n g t h es i m u l a t i o nr e s u l ti n d i c a t e st h a tt h i sn e wh a r m o n i c d e t e c t i n ga p p r o a c hi sf e a s i b l ea n de f f e c t i v e t h e ns i m u l a t i o nm o d e l so fi p ，i ga l g o r i t h mb a s e do nt h et h e o r yo fi n s t a n t a n e o u s r e a c t i v ep o w e ra n dh y s t e r e s i sc o m p a r a t o rc o n t r o lm e t h o da r eg i v e ni ns i m u l i n k e n v i m n m e n to fm a t l a bs o f t w a r ew i t ht h eh e l po fp o w e rl i bt o o l b o xo fm a t l a b ， w h i c ha i m sa ts i m u l a t i n ga na c t i v ep o w e rf i l t e rs y s t e m s i m u l a t i o nt ot h ec o n d i t i o no f l o a dc h a n g i n gs u d d e n l yi sr e s e a r c h e da se m p h a s e s ，t h er e s u l t sn o to n l yi n d i c a t et h a t t h es i m u l a t i o nm e t h o da n ds i m u l a t i o nm o d ei m p l e m e n t e da r ee f f i c i e n tb u ta l s op r o v e t h a tt h i sa p p r o a c hh a saf a s t e rd y n a m i cr e s p o n s e o nt h eb a s i so fs y s t e ms i m u l a t i o ni ns i m u l i n k ，as e to fs o f t w a r ea n dh a r d w a r e r e a l i z a t i o ns c h e m ea p p l i e dt ot m s 3 2 0 l f 2 4 0 7 ad s pc h i pi sb r o u g h tf o r w a r d a n d e x p e r i m e n tr e s e a r c hi sm a d ef u r t h e rm o r e s e v e r a lk e yp r o b l e m si ns o f t w a r ed e s i g n i n g a r ei n t r o d u c e dw i t he m p h a s i s ，i n c l u d i n gt h ed i g i t a li m p l e m e n t a t i o no fi p ，i 口a l g o r i t h m c a l c u l a t i n gi n d u c t i o nc u r r e n t ，t h eg e n e r a t o rs c h e m eo fp w mw a v e f o r ma n d t h e i m p l e m e n t a t i o no f d i g i t a lp ic o n t r o l l e ru s i n gt oc o n t r o lv o l t a g ei nd cs i d eb yd s r f i n a l l yt h ed i 西t a la p fs y s t e mi st e s t e d t h ee x p e r i m e n tr e s u l ti n d i c a t e st h a tt h e w h o l e e x p e r i m e n t a ld e v i c eb a s e do nd s p c a ne l i m i n a t eh a r m o n i ce f f e c t i v e l yc a u s e db y n o n l i n e a rl o a d i i a b s t r a e t k e y w o r d s ：w a v e l e tn e u r a ln e t w o r k ( w n n ) ，a c t i v ep o w e rf i l t e r ( a e f ) ，i n s t a n t a n e o u s r e a c t i v e p o w e r , i p ，f g a l g o r i t h m ，h a r m o n i cd e t e c t i n g ，d i g i t a ls i g n a l p r o c e s s o r ( d s p ) l i i 郑重声明 y - 7 8 2 2 s 0 本人的学位论文是在导师指导下独立撰写并完成的，学位论文没 有剽窃、抄袭等违反学术道德、学术规范的侵权行为，否则，本人愿 意承担由此产生的一切法律责任和法律后果，特此郑重声明。 学位论文作者( 签名)专後 占毋年，月埘日 小波神经删络谐波检测方法与有源滤波器仿真研究 第一章绪论 1 1 概述 谐波抑制和无功功率补偿是涉及电力电子技术、电力系统、电气自 动化技术、理论电工等领域的重大课题。由于电力电子装置的应用日益 广泛，使得谐波和无功问题引起人们越来越多的关注。同时，随着电力 电子技术的飞速进步，在谐波抑制和无功补偿方面的研究也取得了一些 突破性的进展。有源电力滤波器是近年出现的一种用于动态抑制谐波、 补偿无功的新型电力电子装置，它能对大小和频率都变化的谐波以及变 化的无功进行补偿，其应用可克服l c 滤波器等传统的谐波抑制和无功 补偿装置的缺点。有源电力滤波器谐波电流的检测和补偿电流的产生与 控制是决定有源电力滤波器工作特性的关键性环节，直接影响到有源电 力滤波器的补偿精度和补偿速度，因此研究谐波和无功电流的实时检测、 建立有源电力滤波器系统模型、研究其基于高速数字信号处理芯片的系 统物理实现具有非常重要的意义。本章将首先阐述论文的研究背景和意 义，概述谐波测量的传统硬件和软件方法；在介绍前人的研究成果的基 础上，重点讨论基于瞬时无功功率理论、小波变换和人工神经网络的几 种新兴的测量方法；然后介绍谐波抑制和无功功率补偿技术的发展；最 后介绍本文所做的主要内容及结构安排。 1 1 1 电力谐波的产生及危害 在电力系统处于稳态的情况下，三相交流发电机发出的电压，其波 形基本上是正弦波，但是，如果系统中有较强的谐波源，又没有采取有 效的限制措施，电网中的电流或电压波形就会发生畸变”1 2 】。 谐波产生的根本原因是由于电力系统中某些设备和负荷的非线性特 性，即所加的电压与产生的电流不成线性关系而造成的波形畸变。引起 波形畸变的谐波源是多种多样的。例如各种非线性元件，包括大容量的 晶闸管换流装置、硅整流器及电弧炉等非线性负载，数量众多的家用电 器等等。另外电力系统不对称运行和不对称故障以及电弧的非线性特性 等等，均可引起高次谐波。 在电力系统中，各种谐波源产生的谐波对电网、电力设备和其它系 统的危害是非常严重的，归纳起来主要有以下几个方面【3 4 】： 1 使发电机、变压器、供电网、导线和电动机等产生附加的谐波损 耗，降低了发电、输电及用电设备的效率，大量的3 次谐波流过中性线 时会使线路过热甚至发生火灾。 2 影响各种电气设备的正常工作。对电机除引起附加损耗外，还会 产生机械振动、噪声和过电压：增大了变压器的铜损和铁损，使变压器 局部严重过热，噪声增大；对无功补偿电容器组引起谐振或谐波电流的 放大，从而引起电容器过负荷或过电压而损坏；对电力电缆也会造成电 缆的过负荷或过电压击穿。 3 ，对继电保护和自动装置产生干扰和造成误动或拒动。尤其是衰减 时间较长的暂态过程，如变压器励磁涌流中的谐波分量，更容易引起继 电保护的误动作。 4 影响仪表和电能的计量。电力测量仪表通常是按工频正弦波形设 计的，当有谐波时将会产生测量误差。 5 对邻近的通信线路造成干扰，轻者产生噪声降低通信质量：重者 导致丢失信息，使通信系统无法工作。 总之，谐波污染给电力系统的安全及经济运行都造成了极大的影响， 必须对电网中的谐波进行有效的监控及治理。图1 1 为电力系统谐波管 理和治理示意图。 从图可见，谐波测量是 对谐波进行监控和治理的 基础和核心。所以，对谐波 的测量方法以及如何有效 补偿进行研究对保障电力 系统的可靠和经济运行有 着重要的意义。 1 1 2 谐波测量方法 随着电力电子技术的 广泛应用，电网中的谐波含 量不断加大，谐波污染日益 严重。而谐波含量是电力系 统及电能质量的一项重要 圈卜1 电力系统谐波管理和治理示意圈 f j g l 一1p o w e rs y s t e mh a r m o n i o s u p e r v i s ea n dh a r n e s 5s k e t c hm a p 2 ：茎翌釜型竺：! 鎏丝型立鎏三童鎏鎏鎏兰堕苎! ! 圣 指标，谐波含量超出规定范围就将对整个电力系统造成严重危害，对电 网中的发供电设备和用户的用电设备造成不良的影响。因此，对谐波的 分析和测量是电力系统分析和控制中的一项重要工作，是对继电保护、 判断故障点和故障类型等工作的重要前提。所以对谐波测量方法进行研 究是一项有意义的工作。 谐波测量方法从实现方式上可大体分为硬件方式和软件方式。硬 件方式是完全以模拟电子器件构成测量电路，通过不同参数的元件将谐 波中不同频率的分量分离到多个通道，再利用各通道的检测电路和元件 直接测量出其幅值或相角等信息。 硬件方式中要用到大量模拟电路，主要包括滤波器和检波器，同时 还需要对输入信号进行处理的前置放大器及输出用的多路显示器等。如 图】- 2 所示。可见这种方法可以实时测量谐波，但测量装置结构复杂、 所需元件多，造价高。另外，测量特性受元件参数影响，而模拟带通滤 波器等模拟元件对环境的温度、湿度以及系统频率等的变化非常敏感， 使其测量精度和控制性能大受影响。随着电力电子器件的发展和应用， 出现了新型的滤波电路，尤其是各种并联和串联型的有源滤波器等，使 电路的性能有所改善，但对器件的要求仍然很高。因此，研究人员开始 考虑用软件实现检测环节。 输多 入路 放 显 大 |i 刁i 器器 图卜2 模拟并行滤波式谐波测量装置方框图 f i g l 一2a n a l o g yp a r a l l e l i n gf i i t r a t i o nt y p eo f h a r m o n i cm e a s u r i n gd e v i c eb l o c kd i a g r a m 软件测量方法主要把分离和检测工作通过软件算法完成，利用微机、 单片机或数字信号处理器等实现其功能。软件方法可以节省投资，又不 受外界环境的影响，可靠性较高，在电力系统中得到越来越广泛的应用。 由此在数字信号处理领域广泛用作频谱分析的傅立叶变换法开始进入人 们的视野，但是早期的傅立叶变换法对电力系统中的谐波分析运算量太 大，很难推广应用，为此，一方面人们继续寻找更为快捷的改进算法， 如快速傅立叶变换；另一方面，随着计算机技术、特别是数字信号处理 芯片的发展，专门用于傅立叶变换的d s p 器件出现并应用，运算量大不 再是难以解决的问题。 目前，应用的软件方法大多是基于c o o l e y 和t u k e y 提出的快速傅立 叶变换( f f t ) 及其改进算法。这种算法具有估计精度较高，运算量小等优 点，成为电力系统中最常用的谐波分析算法。以下简要介绍f f t 的基本 思想 6 1 ，了解谐波测量软件方法的研究思路。 快速傅立叶变换法： 满足d i r i c h l e t 条件的函数x ( f ) ，在 0 ，t 区间上可用傅立叶级数表示 为： 工( ，) ：主4 ：。华f t = ；i 等t 拈a k e _ m 吐c o s ”a k s i n ”a k 式中：4 称为k 次谐波的复振幅，a 。是其幅值，一吼是其相位，a 。、b 。分 别为k 次谐波的余弦与正弦系数。频谱分析是要求出各次谐波对应的a ：。 设f 为很小的时间间隔，丁= 础，x ( f ) 在t 。= n a t 时的采样值为x 。，用各个 x 。代替式( 1 - 2 ) 中的工( f ) ，即用求和代替积分时，就得到现有的快速傅立 叶频谱分析方法，其计算4 的公式为： 一：= ；篓( x 。e 一，字”“r ) = 专薹x 。e 一且# 鲁 ( 一，) 在f f t 算法提出之后，不少改进型算法( 如基于线性差值原理和抛 物线差值原理的两种改进f f t 算法 7 1 ) 相继被提出，并获得更好的计算 精度。目前，基于f f t 及其改进算法，设计了许多谐波测量仪器和装置， 有不少较好的应用到实际测量中，是目前应用最为成熟的软件测量方法。 然而随着非线性器件和设备的广泛应用，近年来电网波形畸变越来 越严重，谐波含量显著增加，不仅仅包含谐波成分和幅值基本稳定不变 的稳态型谐波类型，还有谐波成分及幅值具有随机性的动态型谐波和一 些暂态过程的突发型的谐波。傅立叶变换所得到的频域信息是信号在整 ：鎏翌釜皇竺翌鎏丝翌之鎏兰互鎏登鎏竺竺兰竺圣 个时域的平均，无法给出局部时间的频域信息，即不具有时间局部性， 使其无法满足对动态和突发性谐波的分析要求。因此，人们引入一些新 兴的理论，如小波变换和神经网络等，并开始用软件算法实现相应的功 能。 1 2 谐波测量的新兴研究方向 由于电力系统中所含谐波的成分和类型越来越复杂，无论是传统的 硬件模拟电路方法，还是为有源电力滤波电路设计的f f t 算法等软件方 法，都不能完全满足测量的需要，国内外研究人员开始将一些新兴的理 论和方法引入到谐波测量中。 日本学者h a k a g i ( 赤木泰文) 提出的瞬时无功功率理论【8 。9 1 为国内 外许多学者采用后，发展出一系列谐波检测方法，有源电力滤波器也得 以迅速发展。赤木最初提出的理论亦称p q 理论，是以瞬时实功率p 和瞬 时虚功率q 的定义为基础，其主要的不足是只适用于三相电压正弦、对 称情况下的三相电路高次谐波和基波无功电流的检测【1 ”，而在电压非正 弦、负载不对称情况下，该定义不再有明确的物理意义，也不能实现瞬 时无功电流的全补偿。 由b h a t t a c h a r y a 等提出的f 。法，是建立在计算三相瞬时电流f 。 分量基础上。该法构造了以同步电压速度旋转的具有两个正交轴的参考 坐标系，即同步参照系。该理论在三相电压非正弦、非对称情况下仍可 以实现三相电路中的无功、高次谐波和基波负序电流的检测1 4 】。 文献 1 1 将瞬时无功功率理论发展到单相电路的谐波检测中。其基本 构想是：在对称的三相三线制电路中，各相的电压、电流波形相同，相 位各相差1 2 0o 。根据单相电路的电压、电流构造一个类似的三相系统( 或 直接构造一个等效的两相系统) 即可使用三相电路瞬时无功功率理论。 文献( 1 2 】在分析傅立叶瞬时功率定义的基础上，提出了建立在平均 功率基础上的瞬时无功和谐波电流检测的理论，并提出了相应的检测电 路。该算法的物理意义明确，实现电路简单，检测精度较高，实时性比 较好，适用于对称和不对称电路。 小波变换和神经网络都是近十年新兴的理论，经过不断的研究与发 展，它们在许多领域特别是检测控制方面正得到越来越广泛的应用。它 们的一些良好特性使得人们试图把它们引入到谐波测量和分析当中，以 郑州人学工学硕士论文 期弥补f f t 算法等传统软件算法的不足和缺陷。 从原则上讲，凡传统使用傅立叶分析的地方都可以用小波变换来代 替。小波变换在时域和频域同时具有良好的局部性，而且由于高频段采 取逐渐精细的时频步长，可以聚焦到分析对象的任意细节，对传统的傅 立叶分析提出了挑战。小波变换的特点是在按频带而不是按频点的方式 处理频域信息，因此信号频率的微小波动不会对处理产生很大影响；当 信号的局部发生波动时，它不会像傅立叶变换那样把影响扩散到整个频 谱，而只改变当时一小段时间的频谱分析，这使其可以跟踪时变和暂态 信号。 文献 13 利用小波变换能将电力系统中产生的高次谐波变换投影到 不同的尺度上会明显地表现出高频、奇异高次谐波信号的特性，特别是 小波包具有将频率空间进一步细分的特性，从而为谐波分析提供了可靠 依据。 文献 1 4 通过对含有谐波的电流信号进行正交小波分解，分析了电 流信号的各个尺度的分解结果，并利用多分辨的概念将低频段、高尺度 上的结果看作不含谐波的基波分量。基于这种算法可以利用软件构成谐 波检测环节，且能快速跟踪谐波的变化。小波变换应用在谐波测量方面 尚处于初始阶段，更多最近的国内外研究成果可以参看文献 15 。 人工神经网络( a n n a r t i f i c i a ln e u r a ln e t w o r k ) 是一种与传统计算机 系统不同的信息处理工具，具有人脑的某些功能特征，可以用来解决模 式识别与人工智能中传统方法难以解决的问题。神经网络控制并不依赖 于精确的数学模型，因而具有自适应和自学习的功能，可增强控制系统 的鲁棒性；具有并行计算，分布式信息存储，容错能力强等优点；具有 广泛地从输入到输出的映射能力。神经网络由于上述特点，使其在众多 领域里成为种有效地解决问题的工具，如图像处理、模式识别、故障 诊断、信号处理、自动控制等。 神经网络在近些年由于新的网络结构和有效的算法的不断出现，又 重新得到重视。作为一种独特的信息处理手段，它可以克服f f t 算法对 精确数学模型的依赖性，给谐波测量提供了新的研究途径。人工神经网 络良好的自学习能力和自适应性、不依赖精确的数学模型以及对复杂问 题的解决能力为用神经网络进行谐波测量提供了有利的理论基础。研究 表明通过建立一定的网络模型经过训练后可以实现谐波的测量。 文献【1 6 提出了基于人工神经网络的电力系统谐波测量方法。该方 法利用多层前馈网络的函数逼近能力，通过构造特殊的多层前馈神经网 6 ：鎏：! 竺型翌：! 茎竺型立鎏主要鎏鎏鎏兰竺兰翌茎 络，建立了相应的谐波测量电路。文中给出了电路的训练算法和步骤， 提出了训练样本的形成方法。 文献 17 将神经网络理论和自适应噪声对消技术相结合，建立相应 的测量电路，并利用d e l t a 算法调节权值和阀值，这种方法的自适应能 力较强。 文献 1 8 提出了基于补偿电流最小原理的用a n n 实现的谐波与无功 电流检测的网络。仿真结果表明，该文的检测方案不仅对周期性变化的 电流具有较好的跟踪性能，而且对各种非周期变化的电流也能进行快速 跟踪，对高频随机干扰有良好的识别能力。 必须指出a n n 用于工程实际还有很多问题需要解决，例如：没有规 范的n n 构造方法，需要大量的训练样本，如何确定需要的样本数没有 规范方法，n n 的精度对样本有很大的依赖性，等等。另外，a n n 和小 波变换一样，都属于目前正在研究的新方法，研究和应用时间短，实现 技术尚需完善，因此目前在工程应用中还未优先选用。 基于人工神经网络理论和小波变换的谐波测量方法取得了定的研 究成果，也仍存在很多不足和需要进一步完善的地方。但二者为谐波测 量开辟了新的研究途径。对这两种方法进行更为深入地探讨，对二者的 结合做新的尝试将是很有意义的工作。本文通过将前馈神经网络的隐含 层激励函数用小波基函数替代，实现二者的结合，构造出相应的小波神 经网络，在文献1 6 1 的基础上提出了一种谐波检测的新思路。 1 3 谐波抑制技术的发展 减小谐波的影响应优先对谐波源本身或在其附近采取适当的技术措 施。如增加换流装置的相数或脉动数，加装交流滤波装置，改变谐波源 的配置或工作方式提高设备抗谐波的能力，避免电容器对谐波的放大， 加装静止无功补偿装置，采用有源滤波器等新型抑制谐波的措施等。采 用电力滤波装置就近吸收谐波源所产生的谐波电流，是抑制谐波污染的 有效措施。传统谐波抑制装置是由电力电容器、电抗器和电阻器适当组 合而成的l c 无源滤波器。它虽然具有结构简单、投资成本低、技术成 熟、运行可靠及维护方便等优点，是目前采用得较为广泛的谐波和无功 抑制手段，但是存在以下缺陷” ： 1 谐振频率依赖于元件参数，因此只能对主要谐波进行滤波，不能 对谐波和无功功率实现动态补偿，滤波性能不稳定，而且滤波要求和无 功补偿、调压要求有时难以协调； 郑卅i 大学工学硕士论立 2 滤波特性依赖于电网参数，而电网的阻抗和谐波频率随着电力系 统的运行工况随时改变，设计较困难； 3 只能消除特定次的几次谐波，可能产生并联谐振使该次谐波分量 放大，使电网供电质量下降： 4 谐波电流增大时，滤波器负担随之加重，可能造成滤波器过载； 5 有效材料消耗多，体积大。 为了克服无源滤波器的上述缺点，人们开始探索研制一种新型的滤 波装置，这就是有源电力滤波器。有源电力滤波器也是一种电力电子装 置，其基本原理是从补偿对象中检测出谐波电流，由补偿装置产生一个 与该谐波电流大小相等而极性相反的补偿电流，从而使电网电流只含基 波分量。有源电力滤波器具有如下特点【4 l ： 1 不仅可补偿各次谐波，还能补偿无功、抑制闪变。 2 具有自适应能力，可跟踪补偿变化的谐波，具较快的响应速度。 3 具有自调节能力，即使补偿对象的电流过大，也不会过载。 4 能跟踪电网频率的变化，补偿特性不受电网频率变化的影响。 5 受系统阻抗的影响小，可消除和系统阻抗发生谐振的危险。 6 既可对单个谐波和无功源单独补偿，也可对多个谐波和无功源进 行集中补偿。 由此可见，有源电力滤波器克服了传统l c 无源滤波器谐波抑制和无 功补偿方法的缺点，具有良好的调节性能，因而受到广泛的重视，并且 已在日本等国得到广泛应用 2 0 , 2 u 。国内目前还主要停留在实验研究和理 论研究阶段【2 ”，尚未见有成品化的国产a p f 产品，实验研究水平较高的， 如西安交通大学，已研制出3 0 k v a 样机”，为有源电力滤波器的实用化 工作奠定了定基础。其他高校和科研机构也正在开展这项研究，分别 取得了一定成果 2 4 , 2 5 , 2 6 。关于数字有源电力滤波器的讨论在国内也有所报 道，本文也将对基于t m s 3 2 0 l f 2 4 0 7 a 数字信号处理器芯片对三相有源 电力滤波器研制的作初步探讨。 有源电力滤波器的基本思想在上个世纪六七十年代就已经形成。8 0 年代后，由于大中功率全控型半导体器件的成熟，脉宽调制( p u l s e w i d t h m o d u l a t i o n ) 技术的发展，以及基于瞬时无功功率理论的谐波电流瞬时 检测方法的提出，有源电力滤波器得以迅速发展。 有源电力滤波器( a c t i v ep o w e rf i l t e r ，简称a p f ) 系统构成的原理 示意图如图1 3 所示。图中e 表示交流电源，负载为谐波源，它产生谐 波并消耗无功。有源电力滤波器是一种向电网注入补偿谐波电流，以抵 小波神绎旧络谐波检测方法与有源滤波器仿真研究 消负荷所产生的谐波电流的滤波装罱。它由两大部分组成，即指令电流 运算电路和补偿电流发生电路( 由电流跟踪控制电路、驱动电路和主电 路三部分构成) 。其中，指令电流运算电路的核心是检测出补偿对象电流 中的谐波和无功等电流分量，有时也称之为谐波和无功电流检测电路。 补偿电流发生电路的作用是根据指令电流运算电路得出的补偿电流的指 令信号，产生实际的补偿电流。主电路一般采用p w m 变流器。 乙一一一一一一j 图卜3 并联型有源电力滤波器系统构成 f i g l - 3s y s t e ms t r u c t u r e o f s h u n t t y p ea c t i v e p o w e r f i l t e r 作为主电路的p w m 变流器，在产生补偿电流时，主要作为逆变器 工作，但它并不仅仅是作为逆变器而工作的，如在电网向有源电力滤波 器直流侧储能元件充电时，它就作为整流器工作。也就是说，它既工作 于逆变器状态，也工作于整流状态，且两种工作状态无法严格区分。 图1 3 所示有源电力滤波器的基本工作原理是，检测补偿对象的电 压和电流，经指令电流运算电路计算得出补偿电流的指令信号，该信号 经补偿电流发生电路放大，得出补偿电流，补偿电流与负载电流中要补 偿的谐波及无功等电流抵消，蜃终得到期望的电源电流。例如，当需要 补偿负载产生的谐波电流时，有源电力滤波器检测出补偿对象负载电流 i 的谐波分量i 将其反极性后作为补偿电流的指令信号i ，由补偿电 流发生电路产生的补偿电流即与负载电流中的谐波分量大小相等、方向 相反，因而两者互相抵消，使得电源电流中只含有基波，不含谐波。这 就达到了抑制电源电流中谐波的目的。上述原理可用如下的公式说明： z 。= z l + f 。 i 。= i “+ i 9 ( 1 4 ) ( 1 5 ) z f2 - - l “ 1 5 2 z l + zc 2 z l r ( 1 6 ) ( 1 - 7 ) 式中 f ，一一负载电流的基波分量。 如果要求有源电力滤波器在补偿谐波的同时，补偿负载的无功功率， 则只要在补偿电流的指令信号中增加与负载电流的基波无功分量反极性 的成分即可。这样，补偿电流与负载电流中的谐波及无功成分相抵消， 电源电流等于负载电流的基波有功分量。 1 4 本文的主要内容及结构安排 全文共分为六章，其主要内容及结构安排如下： 第一章绪论 第二章小波神经网络理论基础 第三章基于小波神经网络的谐波测量方法 基于谐波测量的基本原理，即从频域的观点，任何非正弦周期波形 经过傅立叶级数展开，可以看成是由基波和各高次谐波叠加而成，构造 一个小波神经网络( w a v e l e tn e u r a ln e t w o r k ) ，并设计网络的训练算法， 给出具体实现步骤，对算法中的权值、阀值的选取及网络参数的初始值 确定给出一定的原则。同时研究训练样本的形成方法，最终建立一个多 输入多输出的网络拓扑结构，用于测量各高次谐波分量的幅值，在 m a t l a b 集成环境下编程进行仿真实验。仿真结果表明建立的网络结构、 训练算法的优越性，测量方法的可行性和有效性。 第四章并联型有源电力滤波器系统设计与仿真研究 在分析基于瞬时无功功率理论的谐波检测原理i p , i 。算法基础上，设 计了并联型三相有源电力滤波器系统，在s i m u l i n k 环境下建立了各功能 模块，对组成的有源电力滤波器系统进行仿真研究。 小波神经网络谐波检测方法与有源滤波器仿真研究 第五章基于d s p 的有源电力滤波器的实现 在仿真系统基础上，完成了以t m s 3 2 0 l f 2 4 0 7 a 芯片为核心的有源 电力滤波器实验系统的软硬件调试工作，为进一步研究有源电力滤波器 的全数字化实现奠定了基础。 第六章结论与展望 对全文所做研究内容进行了总结，并对今后需要进一步开展的研究 工作做了简单展望。 郑州人学工学硕十论文 第二章小波神经网络理论基础 2 1 神经网络的基本原理和特点 人工神经网络之所以能够在众多研究领域得到广泛应用，正是由于 它具有下述特点脚1 ： 1 不依赖精确的数学模型，具有广泛的从输入到输出的任意非线性 映射能力： 2 分布式信息存储，大量数据单元同时高速并行处理，有很强的鲁 棒性； 3 信息分布地存储于处理单元的阀值和它们的联接权中，具有很强 的容错能力；个别处理单元不征常不会引起整个系统出错； 4 应用多种调整权值和阀值的学习算法，具有类似人脑的学习( 自适 应和自组织1 功能。 人工神经网络是由大量被称为节点的简单信息处理单元( 神经元) 组 成，每个节点向邻近的其它节点发出拟制或激励信号，整个网络的信息 处理便是通过这些节点之间的相互作用而完成的。图2 1 为a n n 的一个 节点的原理示意图。其中，而，z ：，石。为节点的输入分量，它们是神经元 所接收到的信息；r _ o ，c o ：，。为权值，也为连接强度：0 为节点的阀值： ， 为激活函数，一般取为非线性函数：y 是节点的输出。 砘 b 嘞焉一岛) 图2 - 1h n n 的原理图 f i 9 2 - 1s c h e m a t i cd i a g r a mo fa r t i f i c i a ln e u r a ln e t w o r k 人工神经网络的工作过程可分为训练和测试两个阶段。在训练阶段 ! ：鎏：! 茎塑竺堂鎏竺翌垄鎏三立塑鎏鎏登竺苎翌鎏 以一组输入一输出模式对作为训练样本集来训练网络。网络训练的过程 即是网络参数( 包括权值、阀值等等) 的调整过程。在测试运行阶段，给 定新的输入，网络即能计算得到相应的输出。 通常，a n n 的学习( 或训练) 方式可分为两种：一种是有监督 ( s u p e r v i s e d ) 或称有导师的学习这是利用给定的样本标准进行分类或模 仿；另一种是无监督( u n s u p e r v i s e d ) 学习。这时，只规定学习方式或某些 规则，而具体的学习内容随系统所处的环境( 即输入信号情况) 而异，系 统可自动发现环境特征和规律性，具有更近似于人脑的功能。 b p 网络是目前在控制领域中研究和应用较多的一类模型。因此以此 为例来说明a n n 的工作原理及训练过程。b p 网络是一种多层前馈型网 络，其运算过程是一个映射，训练过程则是动态的。这种网络除了输入 层和输出层外，还有一个或多个中间层，也称隐层。b p 网络运行时，输 入模式首先通过加权传到隐层节点，经过激活函数的作用再传到输出节 点。激活函数厂必须是可微的，非减的，通常取为s i g m o i d 型函数。 b p 网络采用的算法是一种有导师的学习算法，网络通过反向传播算 法自动学习内部表达( 即各节点间的联接权值及隐层节点与输出节点的 阀值) 。所谓反向传播，是指训练过程按误差由输出层经隐层向输入层反 向传播。整个训练过程为：首先根据当前的内部表达，对样本输入模式 作前向计算，然后比较网络的输出与期望输出之间的误差，如误差小于 规定值，则训练结束；否则，将误差向后传播，逐步调整权值和阀值。 如此循环，直至误差达到要求。 2 2 小波分析基础一8 】 小波分析是调和分析这一数学领域半个世纪以来的工作结晶，广泛 应用于信号处理、图像处理、量子场论、地震勘探、语音识别与合成、 音乐、雷达、c t 成像、彩色复印、天体识别、机器视觉、机械故障诊断 与监控、分形以及数学电视等科技领域 2 9 1 。从原则上讲，凡传统使用傅 立叶分析的地方都可以用小波分析来代替。小波分析优于傅立叶变换的 地方是，它在时域和频域同时具有良好的局部化性质。 设妒( ) 三2 ( r ) ，其傅立叶变换为y ( 国) 。当y ( ) 满足允许条件： m 丌b 茎型查兰! ：兰堡圭丝兰 y ( f ) 称为一个基本小波或母小波。将母小波妒( f ) 经伸缩和平移后，就 可以得到一个小波序列。 对于连续的情况，小波序列为 拈寺- q 7 洋) 咖猷o l “l 其中a 为伸缩因子，b 为平移因子。 对于离散的情况，小波序列为 妒，t ( f ) = 2 - 1 2 9 ( 2 t - k ) j ，k z 对于任意的函数，( f ) 上2 ( r ) 的连续小波变换为 吩( 毋6 ) = ( ，儿，。) = 扩i 2 f 朋渺( t - _ _ 。b b ) 卉 其逆变换为 邝) = i + l 抑( 口，b ) v ( 半) a a d b “一 ” 小波变换的时频窗口特性与短时傅立叶的时频窗口不样。其窗口 形状为两个矩形【6 一a y ，b + a a y 】【( 。一茹) 口，( 。+ 乒) d 】，窗口中心 为( 6 ，。n ) ，时窗和频窗宽分别为a a g t 和a q a 。其中b 仅仅影响窗口在 相平面时间轴上的位置，而d 不仅影响窗口在频率轴上的位置，也影响 窗口的形状。这样小波变换对不同的频率在时域上的取样步长是调节性 的，即在低频时小波变换的时间分辨率较差，而频率分辨率较高；在高 频时小波变换的时间分辨率较高，而频率分辨率较低，这正符合低频信 号变化缓慢而高频信号变化迅速的特点。这便是小波分析优于经典的傅 立叶变换与短时傅立叶变换的地方。从总体上来说，小波变换比短时傅 立叶变换具有更好的时频窗口特性。 综上可知，小波分析方法是一种窗口大小固定但其形状可改变，时 间窗和频率窗都可改变的时频局部化分析方法。即在低频部分具有较高 的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率 和较低的频率分辨率，所以被誉为数学显微镜。正是这种特性，使小波 1 4 ：鎏：丝望竺 ! 鎏竺型互兰主立鎏鎏鎏量堕塞竺塞 变换具有对信号的自适应性。 2 3 小波神经网络的分析与设计 2 3 1 小波神经网络概况 小波变换具有时频局部特性和变焦特性，而神经网络具有自学习、 自适应、鲁棒性、容错性和推广能力。如何将两者的优势结合起来，一 直是人们关注的问题。一种方法是用小波分析对信号进行预处理，即以 小波空间作为模式识别的特征空间，通过小波分析来实现信号的特征提 取，然后将提取的特征向量送入神经网络处理：另一种即所谓的小波神 经网络( w a v e l e tn e u r a ln e t w o r k ，w n n ) 或小波网络( w a v e l e tn e t w o r k w n ) 。小波神经网络最早是由法国著名的信息科学研究机构i r l s a 的 z h a n gq i n g h u 等人1 9 9 2 年提出来的”。小波神经网络是基于小波变换 构成的神经网络模型，即用非线性小波基取代通常的神经元非线性激励 函数( 如s i g m o i d 函数) ，把小波变换与神经网络有机地结合起来，充分继 承了两者的优点。近几年来，国内外有关小波网络的研究报告层出不穷。 以下就诸多学者在小波神经网络领域发表的有代表性文献做简单的理解 和评述。 b a k s i s t e p h a n o p o u l o u s 【”1 采用正交小波函数作为隐节点激励函 数，依据多分辨分析理论，采用m a l l a t 分解算法对样本进行分析，将一 部分隐节点激励函数取为尺度函数，另一部分取为小波函数，采用逐级 学习的方法来训练网络。即先在较粗的分辨率下进行学习，然后逐渐加 入具有较细分辨率的网络节点进行学习，因而网络的误差越来越小，且 因为节点函数的正交性，使得每加入新的节点，并不影响以学习好的节 点的参数，而只需修改新加入的节点的参数。计算表明，训练网络的计 算量比b p 网络要小。但由于小波正交基的构造比较复杂，目前没有一 个实用小波正交基有显式表示，因此在实际应用中有不小的困难。 z h a n g & b e n v e n i s t e 口0 1 采用框架小波作为隐节点激励函数，由小波 分解直接导出小波网络结构表达式，并且小波函数的伸缩和平移参数是 在网络训练过程中，通过学习确定，对被逼进函数具有自适应性。这种 网络所需隐藏层节点少，而且不需要进行频谱分析，逼近精度也比较高。 但其网络学习调整参数多，计算量大，不利于进行高维扩展。 p a t i k r i s h n a p r a s a d 【3 2 1 也采用框架小波作为隐节点激励函数，通过 离散仿射小波变换理论来设计前馈神经网络结构，并充分利用了小波分 郑州大学t 学硕士论立 析的时频局部化特性，通过分析训练样本集中包含的信息可以确定隐藏 层中处理单元的数量；可以确定小波基函数的伸缩和平移参数，从而减 少网络学习需要调整的权的数量。并且从理论上证明了其设计算法具有 向高维扩展的能力。 小波与前馈神经网络的结合是小波网络的主要研究方向，也是本章 的重点讨论内容。小波还可以与其它类型的神经网络相结合，例如用 k o h o n e n 网络对信号作自适应小波分解。 2 3 2 小波神经网络的构造 小波神经网络是基于小波分析理论所构造的一种新的神经网络模 型，它充分利用小波变换良好的局部化性质并结合神经网络的自学习功 能，因而具有较强的逼近、容错能力，其实现过程也比较简单，故w n n 的应用非常广泛。例如，将w n n 用于信号分类识别，其实质是在小波特 征空间中寻找组适合的小波基，相应的过程可通过对小波参数的迭代 计算以使其能量函数最小化来实现。如果将w n n 用于声纳信号的提取与 分类，则常分两步进行：第一步，计算各类信号的自适应小波特征，可 以通过用非线性方法表征该信号，求取小波系数而得到；第二步，求特 征向量送入前向神经网络分类器进行分类。以下就小波神经网络的构造、 分析与设计、学习算法进行系统的讨论。针对课题提出具体的理论模型 和学习算法。 多层前馈网络是基函数神经网络，一般采用极性函数( 如s i g m o i d 函 数) 作为基函数，小波基函数具有许多优于其它基函数的优点： 1 小波的正交基易于构造，因而网络的权值可独立计算； 2 小波可提供区别函数的多分辨近似，提高空间和频率的局部化； 3 小波基函数有可变平移和伸缩系数，因而可把小波函数作为基函 数，构成新的神经网络，网络中的神经元类似小波的响应函数，连接权 为对应的小波函数。 基于上述关于小波基函数相对于其它基函数在多层前馈网络应用当 中的优点，已有不少研究者在小波构造中做了许多工作，形成以下三种 不同结构的小波神经网络。 1 小波变换网络 一般而言，w n n 只是用非线性小波基取代非线性s i g m o i d 函数，其 信号的表述是通过将所选取的小波基进行线性叠加来实现。 对任意离散信号厂( ”) ，其小波变化为： 小波神经网络谐波检测方法与有源滤波器仿真研究 w ( j ，) = ( 巾) ，2 “2 p ( 2 t 一女) ) = 2 叫2 9 t ( 2 t 一) 饨) ( 2 1 ) 上式表明子波变换的操作分两步：第一步是输入信号f ( n ) 乘母子波 2 - ，”少( 2 。t k ) ，第二步为求和操作。 式( 2 1 ) 写成矩阵形式为：w = ， 其中输入矩阵f 由训练模式矢量构成，即：