姚建紅 康耀文 王天嬌 唐龍慶

(東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的直流輸電系統(tǒng)諧波檢測(cè)技術(shù)

姚建紅 康耀文 王天嬌 唐龍慶

(東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

針對(duì)換流器產(chǎn)生諧波的主要特征進(jìn)行分析，提出一種改進(jìn)型的小波神經(jīng)網(wǎng)絡(luò)，增加了處理層，采用了神經(jīng)樹的網(wǎng)絡(luò)結(jié)構(gòu)。在Matlab中進(jìn)行了仿真和數(shù)據(jù)分析，結(jié)果表明：相較于普通的小波神經(jīng)網(wǎng)絡(luò)改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)具有較好的檢測(cè)精度和誤差率。

直流輸電 諧波檢測(cè) 換流器 Matlab

近年來(lái)，直流輸電以其遠(yuǎn)距離、低損耗及大輸電量等方面的優(yōu)勢(shì)，取得了快速發(fā)展。但是在直流輸電系統(tǒng)中由于一些非線性元件的存在會(huì)使系統(tǒng)產(chǎn)生諧波，諧波對(duì)于嚴(yán)格要求供電質(zhì)量的輸電系統(tǒng)來(lái)說(shuō)是一種“污染”。諧波會(huì)影響輸電設(shè)備的正常運(yùn)行，對(duì)附近的通信設(shè)備造成干擾，所以對(duì)諧波進(jìn)行精確的檢測(cè)與分析對(duì)于電力系統(tǒng)的正常穩(wěn)定運(yùn)行有著重要的意義[1]。

在直流輸電系統(tǒng)中，核心元件是換流器，通常采用十二脈動(dòng)閥組結(jié)構(gòu)的單級(jí)換流器[2,3]。在對(duì)換流器所產(chǎn)生的諧波進(jìn)行分析時(shí)，主要考慮的是在其交流側(cè)與直流側(cè)產(chǎn)生的特征諧波。理論和實(shí)踐證明，諧波檢測(cè)的精度和動(dòng)態(tài)響應(yīng)速度與檢測(cè)算法密切相關(guān)[4]。當(dāng)前主要的諧波檢測(cè)算法有傅里葉變換、小波變換及神經(jīng)網(wǎng)絡(luò)等，但這些算法總會(huì)有諸如誤差精度不足、數(shù)據(jù)丟失嚴(yán)重及易陷入局部最優(yōu)等問題。筆者首先分析了直流輸電直流側(cè)與交流側(cè)的特征諧波，然后設(shè)計(jì)了一種改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)直流輸電系統(tǒng)的諧波檢測(cè)，最后在Matlab中對(duì)該改進(jìn)型算法予以實(shí)現(xiàn)。

1 換流站的特征諧波

在分析直流輸電系統(tǒng)的諧波時(shí)，通常做出以下假設(shè)[5]：換相電壓源對(duì)稱，為基波正序電壓；變壓器對(duì)稱，包括結(jié)構(gòu)和參數(shù)；觸發(fā)角恒定；平波電抗為無(wú)窮大。

在理想條件下，換流站網(wǎng)側(cè)的交流電壓為三相對(duì)稱電壓，所以電壓無(wú)諧波。直流側(cè)為某一恒定的直流電流，故電流也不含諧波。所以在分析換流站的諧波特性時(shí)，要將換流站的交流側(cè)和直流側(cè)分開分析。

在理想條件下，無(wú)論是否考慮換相的影響，三相六脈沖換流器在直流輸電系統(tǒng)的交流側(cè)電流特征諧波次數(shù)為6k±1次。而對(duì)于直流側(cè)，在直流輸電系統(tǒng)中三相六脈沖換流器的直流側(cè)電壓特征諧波次數(shù)為6k次。而對(duì)于十二脈沖換流器，它的結(jié)構(gòu)為兩個(gè)六脈沖換流器串聯(lián)，每個(gè)六脈沖換流器的諧波次數(shù)與上述相同。在理想條件下，兩個(gè)換流器之間的諧波分量可以相互抵消，因此該換流器在交流側(cè)電流中的特征諧波為12k±1次，直流側(cè)電壓的特征諧波為12k次。經(jīng)過(guò)研究表明，對(duì)換流器的脈沖數(shù)做進(jìn)一步分析，分析到p次時(shí)，交流側(cè)和直流側(cè)的特征諧波分別為pk±1次和pk次[6]。

2 小波神經(jīng)網(wǎng)絡(luò)與改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的比較

2.1小波神經(jīng)網(wǎng)絡(luò)

小波神經(jīng)網(wǎng)絡(luò)是在BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，在網(wǎng)絡(luò)內(nèi)部加入了小波函數(shù)。由于有小波分析理論做基礎(chǔ)，網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)算法相比于常規(guī)神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)要簡(jiǎn)單，收斂速度較快[7]。圖1為普通的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

圖1 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)與小波變換的結(jié)合方式有兩種，即松散型和緊致型[8]。松散型是將信號(hào)通過(guò)小波變換或傅里葉變換實(shí)現(xiàn)其時(shí)頻特性的提取，進(jìn)而將提取的時(shí)頻特性送入神經(jīng)網(wǎng)絡(luò)進(jìn)行處理；緊致型是將神經(jīng)網(wǎng)絡(luò)的隱含層改為小波函數(shù)，從圖1中可以看到神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層沒有變化，只是中間層(隱含層)由原來(lái)的神經(jīng)網(wǎng)絡(luò)函數(shù)變?yōu)榱诵〔ê瘮?shù)。

小波神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜數(shù)據(jù)(多維)時(shí)并不能快速得出目標(biāo)結(jié)果，迭代次數(shù)、計(jì)算的誤差精度仍與目標(biāo)結(jié)果有很大的差距，網(wǎng)絡(luò)本身也容易陷入局部最優(yōu)。針對(duì)以上不足筆者提出了改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)。

2.2改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)

2.2.1處理層的構(gòu)建

針對(duì)上述小波神經(jīng)網(wǎng)絡(luò)的不足，筆者將小波神經(jīng)網(wǎng)絡(luò)的松散型與緊致型結(jié)合起來(lái)。由于原始數(shù)據(jù)也就是諧波是一個(gè)三維數(shù)據(jù)，在小波神經(jīng)網(wǎng)絡(luò)的輸入層與隱含層中間加入了處理層，處理層由快速傅里葉變換(FFT)構(gòu)成，通過(guò)快速傅里葉變換，可以將諧波中的幅值、相角和頻率分別提取出來(lái)，也就是筆者所要做的降維，將多維輸入分解降維變成多個(gè)子網(wǎng)絡(luò)，形成一個(gè)類似“神經(jīng)樹”的小波神經(jīng)網(wǎng)絡(luò)。這樣做有效降低了離散正交小波網(wǎng)絡(luò)的算法復(fù)雜性，加快了網(wǎng)絡(luò)的學(xué)習(xí)速率，提高了網(wǎng)絡(luò)的收斂速度和誤差精度。由于諧波的檢測(cè)包含諧波的幅值、相角與頻率的檢測(cè)，故筆者選擇有3層子網(wǎng)絡(luò)的小波神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖2所示。

筆者改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在進(jìn)行信號(hào)分類識(shí)別時(shí)采用如下四層網(wǎng)絡(luò)結(jié)構(gòu):

圖2 改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

a. 輸入層。將待檢測(cè)的含有諧波的原始信號(hào)輸入到神經(jīng)網(wǎng)絡(luò)中。

b. 處理層。將輸入層輸入的原始信號(hào)通過(guò)快速傅里葉進(jìn)行分解，分別得到分解后的幅值、頻譜與相角數(shù)據(jù)。將這些數(shù)據(jù)作為隱含層輸入同時(shí)分別輸入到3個(gè)子網(wǎng)絡(luò)中，這樣做的目的是為了加快學(xué)習(xí)速率，避免陷入局部最優(yōu)，提高神經(jīng)網(wǎng)絡(luò)的收斂速度與檢測(cè)精度。

c. 隱含層。與BP神經(jīng)網(wǎng)絡(luò)類似，只是將小波函數(shù)作為隱層傳遞函數(shù)得出隱層的輸出，該層小波函數(shù)的選擇與訓(xùn)練是小波神經(jīng)網(wǎng)絡(luò)性能好壞的關(guān)鍵。

d. 輸出層。與BP神經(jīng)網(wǎng)絡(luò)類似，隱含層的輸出作為輸出層的輸入，輸出小波神經(jīng)網(wǎng)絡(luò)的結(jié)果。

2.2.2小波神經(jīng)網(wǎng)絡(luò)各層參數(shù)的確定

輸入層的輸出等于整個(gè)網(wǎng)絡(luò)的輸入信號(hào)：

隱含層的輸入為：

隱含層的輸出為：

其中，f(·)為小波函數(shù),筆者所采用的小波函數(shù)為Morlet函數(shù)。

Morlet函數(shù)的數(shù)學(xué)表達(dá)式為：

輸出層的輸入為：

輸出層的輸出為：

網(wǎng)絡(luò)誤差為：

網(wǎng)絡(luò)的總誤差為：

梯度為：

綜上所述，可知檢測(cè)諧波的步驟為：

a. 將諧波輸入到神經(jīng)網(wǎng)絡(luò)中在處理層進(jìn)行FFT預(yù)處理，得到諧波的幅值、頻率與相角數(shù)據(jù)；

b. 將經(jīng)過(guò)處理的諧波的幅值、頻率與相角數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)的子網(wǎng)絡(luò)中；

c. 按前述方法確定神經(jīng)網(wǎng)絡(luò)模型參數(shù)；

d. 對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

e. 給出網(wǎng)絡(luò)檢測(cè)結(jié)果。

3 小波神經(jīng)網(wǎng)絡(luò)檢測(cè)高壓直流輸電系統(tǒng)諧波的Matlab仿真與數(shù)據(jù)分析

筆者將換流器的交流側(cè)諧波與直流側(cè)諧波綜合考慮，先將基波中含有11、12、13、23、24、25次諧波的訓(xùn)練數(shù)據(jù)放入小波神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，取0.0～16.8之間每π/8為一個(gè)采樣點(diǎn),通過(guò)訓(xùn)練確定網(wǎng)絡(luò)的各個(gè)參數(shù)，如權(quán)值、閾值。再將需要檢測(cè)的數(shù)據(jù)輸入到已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中。圖3為訓(xùn)練網(wǎng)絡(luò)的原始數(shù)據(jù)。

圖3 訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)的原始數(shù)據(jù)

將含有諧波的數(shù)據(jù)放入已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中，檢測(cè)出的諧波如圖4所示。

圖4 用小波神經(jīng)網(wǎng)絡(luò)檢測(cè)出的諧波

從圖4中可以看出檢測(cè)出的諧波波形基本與實(shí)際情況一致。筆者給出使用改進(jìn)小波神經(jīng)網(wǎng)絡(luò)與普通小波神經(jīng)網(wǎng)絡(luò)對(duì)諧波信號(hào)進(jìn)行檢測(cè)的結(jié)果比較。表1～3分別為使用改進(jìn)小波神經(jīng)網(wǎng)絡(luò)與普通小波神經(jīng)網(wǎng)絡(luò)檢測(cè)的諧波頻率值、諧波相角和諧波幅值。

表1 諧波頻率值對(duì)比 Hz

表2 諧波相角對(duì)比 (°)

表3 諧波幅值(標(biāo)幺值)對(duì)比

由表1～3可以看出，筆者所提算法檢測(cè)諧波的精度相比于普通的小波神經(jīng)網(wǎng)絡(luò)算法有了較大的提高。

圖5為改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)與普通的小波神經(jīng)網(wǎng)絡(luò)在相同迭代次數(shù)下誤差率對(duì)比。

由圖5可以看出，改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在相同迭代次數(shù)下誤差率要比普通小波神經(jīng)網(wǎng)絡(luò)低很多，諧波在改進(jìn)小波神經(jīng)網(wǎng)絡(luò)中迭代470次后其精度基本已經(jīng)達(dá)到檢測(cè)要求。

圖5 誤差率對(duì)比

4 結(jié)束語(yǔ)

對(duì)普通小波神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，增加了處理層，采用神經(jīng)樹的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將小波函數(shù)作為神經(jīng)網(wǎng)絡(luò)的隱含層，并將含有諧波的數(shù)據(jù)送入搭建好的改進(jìn)小波神經(jīng)網(wǎng)絡(luò)中進(jìn)行檢測(cè)，發(fā)現(xiàn)改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)能夠精確地檢測(cè)出諧波，同時(shí)在相同迭代次數(shù)下其檢測(cè)誤差率要低于普通的小波神經(jīng)網(wǎng)絡(luò)。將此改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于直流輸電系統(tǒng)的諧波檢測(cè)中，具有廣泛的應(yīng)用前景。

[1] 楊斌文，劉麗英，王文虎．電力系統(tǒng)中諧波的危害與產(chǎn)生[J]．電氣時(shí)代，2002，(2)：30～31．

[2] 徐宏雷,鄭偉,周喜超，等.特高壓直流輸電系統(tǒng)對(duì)電網(wǎng)諧波污染的仿真分析[J].電力系統(tǒng)保護(hù)與控制,2010,38(23):192～195.

[3] 楊志棟,李亞男,殷威揚(yáng)，等.±800kV向家壩-上海特高壓直流輸電工程諧波阻抗等值研究[J].電網(wǎng)技術(shù),2007,31(18): 1～4.

[4] 宋澤琳，鄭恩讓，馬令坤.基于FPGA的電力系統(tǒng)諧波檢測(cè)算法研究及實(shí)現(xiàn)[J].化工自動(dòng)化及儀表,2011，38(6)：713～717

[5] 浙江大學(xué)發(fā)電教研組直流輸電科研組.直流輸電[M].北京：水利水電出版社,1982.

[6] 夏道止,沈贊塤.高壓直流輸電系統(tǒng)的諧波分析及濾波[M].北京:水利電力出版社,1994.

[7] Patl Y C,Krishnaprasad P S.Analysis and Synthesis of Feedfordward Neural Networks Using Discrete Affine Wavelet Transformations [J].IEEE Transaction on Neural Networks,1995,4(1):73～85.

[8] 李偉,吳超群，王艷茹，等.基于小波神經(jīng)網(wǎng)絡(luò)的FRP復(fù)合材料損傷聲發(fā)射信號(hào)識(shí)別[J].化工機(jī)械，2011，38(3)：294～297.

(Continued from Page 473)

AbstractRegarding matters bothering the development and application of gas-solid flow velocity measurement equipment, having computer sound cards, Matlab software and the signal access board employed to design a calibration system for pulverized coal and wind velocity measurement in a power plant was implemented and applied in a microwave measurement method-supported experimental platform. The testing results show that this calibration system can satisfy both check and fault detection of pulverized coal and wind velocity in the power plant because of its simple structure and low cost; and it has practical significance to the detection and maintenance as well as the checking of gas-solid flow velocity measuring equipment.

Keywordstwo-phase flow velocity, calibration system, sound card, Matlab

HarmonicDetectioninHVDCTransmissionSystemBasedonImprovedWaveletNeuralNetwork

YAO Jian-hong, KANG Yao-wen, WANG Tian-jiao, TANG Long-qing

(SchoolofElectricalEngineeringandInformation,NortheastPetroleumUniversity,Daqing163318,China)

The main characteristics of the harmonic generated from the converter were analyzed and an improved wavelet neural network was proposed, which boasts improved processing layer and neural tree network structure. Simulation with Matalab shows that as compared to the ordinary wavelet neural network, the improved one has better detection speed and smaller error rate.

HVDC, harmonic detection, converter, Matlab

TH865

A

1000-3932(2016)05-0491-04

2016-03-15(修改稿)

黑龍江省教育廳科技攻關(guān)項(xiàng)目(12531062)