国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于集成神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量自動(dòng)識別

2017-09-09 18:30韓慶
科技創(chuàng)新與應(yīng)用 2017年25期
關(guān)鍵詞:最小二乘法電能質(zhì)量神經(jīng)網(wǎng)絡(luò)

韓慶

摘 要:人工神經(jīng)元網(wǎng)絡(luò)(ANN),是用大量簡單的計(jì)算處理單元——神經(jīng)元(Neuron)廣泛連接組成的復(fù)雜網(wǎng)絡(luò)。目前,大多數(shù)電能質(zhì)量識別方法都采用了傅里葉變換,DQ變換,瞬時(shí)無功功率理論,小波變換及由小波變換擴(kuò)張的S變換進(jìn)行擾動(dòng)檢測及特征提取,然后采用人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)電能質(zhì)量擾動(dòng)的自動(dòng)識別。神經(jīng)網(wǎng)絡(luò)具有簡單的結(jié)構(gòu)和很強(qiáng)的問題求解能力,是分類識別的重要方法。集成神經(jīng)網(wǎng)絡(luò),融合單個(gè)神經(jīng)元網(wǎng)絡(luò)的特點(diǎn),能有效地提高識別效率跟正確率。

關(guān)鍵詞:電能質(zhì)量;神經(jīng)網(wǎng)絡(luò);最小二乘法;鎖相環(huán);自識別

中圖分類號:TM76 文獻(xiàn)標(biāo)志碼:A 文章編號:2095-2945(2017)25-0017-02

1 概述

隨著工業(yè)的發(fā)展,自動(dòng)化程度高的用戶對電能質(zhì)量的要求越來越高,任何電能質(zhì)量的問題都將導(dǎo)致產(chǎn)品質(zhì)量下降及工程作業(yè)的停頓。信息科技的發(fā)展對電能質(zhì)量及供電可靠性提出了更嚴(yán)苛的要求。電能質(zhì)量一般是指電壓或電流的幅值、頻率、波形等參量偏離規(guī)定值的誤差。本文將以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),加以最小二乘法和改進(jìn)鎖相環(huán)電能監(jiān)測方法,實(shí)現(xiàn)對電壓,諧波,震蕩及噪聲等多種電能質(zhì)量擾動(dòng)的自動(dòng)識別。

2 最小二乘加權(quán)融合及改進(jìn)鎖相環(huán)電能質(zhì)量檢測

集成神經(jīng)網(wǎng)絡(luò)的基本思想是通過信號的有效組合,用多個(gè)子神經(jīng)網(wǎng)絡(luò),從不同的側(cè)面對信號進(jìn)行分析,最大限度的提高識別正確率。

基于改進(jìn)鎖相環(huán)和集成神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量自動(dòng)識別,采用多個(gè)不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)對相同電能質(zhì)量擾動(dòng)信號樣本進(jìn)行訓(xùn)練和識別,然后用最小二乘加權(quán)融合法,對各個(gè)子網(wǎng)絡(luò)的分析結(jié)果進(jìn)行信息融合,通過融合結(jié)果的分析最終識別電能質(zhì)量擾動(dòng)。

建模步驟

依據(jù)最小二乘原理對多個(gè)子神經(jīng)網(wǎng)絡(luò)輸出加權(quán)融合,并在最優(yōu)原理下推導(dǎo)出神經(jīng)網(wǎng)絡(luò)輸出偏差與權(quán)系數(shù)的關(guān)系,其步驟如下:

根據(jù)新的權(quán)系數(shù)再次進(jìn)行加權(quán)最小二乘估計(jì),循環(huán)下去,直到滿足循環(huán)結(jié)束條件為止。子網(wǎng)絡(luò)輸出的估計(jì)誤差越大,權(quán)系數(shù)就越小。

3 加權(quán)集成神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量自動(dòng)識別

3.1 電能質(zhì)量擾動(dòng)的檢測和特征提取

通過METLAB,首先對擾動(dòng)的定義仿真產(chǎn)生諧波、電壓波動(dòng)、頻率偏差、電壓暫降和電壓凸起、瞬時(shí)脈沖、低頻振蕩、高頻振蕩和噪聲等電能擾動(dòng)信號檢測。

3.2 網(wǎng)絡(luò)訓(xùn)練

采用10個(gè)諧波、10個(gè)低頻振蕩、10個(gè)高頻振蕩、10個(gè)瞬時(shí)脈沖、5個(gè)電壓波動(dòng)、5個(gè)頻率偏差、5個(gè)電壓暫降(電壓凸起)和5個(gè)噪聲。輸入層神經(jīng)元的個(gè)數(shù)是33個(gè),采用logsig函數(shù),輸出層神經(jīng)元的個(gè)數(shù)是個(gè),采用purelin函數(shù)。在各子網(wǎng)絡(luò)訓(xùn)練時(shí),對應(yīng)于每種電能質(zhì)量擾動(dòng)輸入,其輸出向量中除了該類型對應(yīng)分取1,其余分量取0。

3.3 網(wǎng)絡(luò)測試

網(wǎng)絡(luò)測試樣本由仿真程序產(chǎn)生,同樣采用上述的PLL系統(tǒng)檢測輸出。測試結(jié)果發(fā)現(xiàn),在噪聲輕微的情況下(1%)各個(gè)子網(wǎng)路都能比較好的識別上述幾種電能擾動(dòng),單個(gè)子網(wǎng)絡(luò)和集成神經(jīng)網(wǎng)絡(luò)的識別結(jié)果區(qū)別較小,下面是包含2%隨機(jī)噪聲的正弦輸入,對應(yīng)各個(gè)子網(wǎng)絡(luò)和該集成神經(jīng)網(wǎng)絡(luò)識別的仿真計(jì)算結(jié)果:

ANN1=【0.2027 -0.1347 -0.2744 -0.0976 0.1284 -0.2414 -0.4066 1.0353】

ANN2=【0.2016 13377 0.4936 -0.0866 -0.0116 -0.2787 0.3605 0.4940】

ANN3=【-0.2585 0.7724 -0.7873 0.5143 0.1289 -0.4191 -0.4969 0.2651】

ANN4=【0.4006 0.3460 -0.3478 -0.1976 -0.1647 -0.0662 -0.0173 1.1085】

ANN5=【0.3808 -0.5789 0.2530 0.3568 -0.6570 -0.5565 0.3987 0.9629】

ANNtotal=【0.2053 0.3460 -0.2324 0.0062 -0.0631 -0.2852 -0.0173 0.8782】

其中,ANN1、ANN2、ANN3、ANN4、ANN5分別是5個(gè)子網(wǎng)絡(luò)的識別輸出結(jié)果,ANNtotal是集成神經(jīng)網(wǎng)絡(luò)的識別結(jié)果輸出。

最后,采用包含2%隨機(jī)噪聲的80個(gè)測試樣本對于最小二乘加權(quán)融合集成神經(jīng)網(wǎng)絡(luò)和單個(gè)神經(jīng)網(wǎng)絡(luò)的識別效果進(jìn)行統(tǒng)計(jì)分析,識別結(jié)果對比如表1所示。

4 結(jié)果分析

新改進(jìn)的鎖相環(huán)系統(tǒng)具有良好的動(dòng)態(tài)和靜態(tài)性能,是檢測各種暫態(tài)電能質(zhì)量擾動(dòng)的有效途徑。

從集成神經(jīng)網(wǎng)絡(luò)的識別輸出結(jié)果看,在識別2%噪聲擾動(dòng)時(shí),5個(gè)子網(wǎng)絡(luò)中有兩個(gè)子網(wǎng)絡(luò)出現(xiàn)誤識別,他們是ANN2和ANN3,而集成神經(jīng)網(wǎng)絡(luò)則很安全的識別出該擾動(dòng),與產(chǎn)生誤差識別具有很大的安全間隔空間,即擾動(dòng)對應(yīng)分量大小相對于其他分量占絕對優(yōu)勢,他相對于另外三個(gè)沒有發(fā)生誤識別的子網(wǎng)絡(luò),具有更好的識別效果。

從表1可以看出,同單個(gè)BP神經(jīng)網(wǎng)絡(luò)識別方法相比,上述這種基于最小二乘加權(quán)融合集成神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動(dòng)自動(dòng)識別方法,在噪聲較強(qiáng)時(shí)仍然能有效識別,具有較高的識別正確率。

5 結(jié)束語

應(yīng)用最小二乘加權(quán)融合集成神經(jīng)網(wǎng)絡(luò)對電能質(zhì)量進(jìn)行檢測,使得電能質(zhì)量這一重要用電參數(shù)得到有效的檢測控制。該方法在識別檢測結(jié)果中還不能很有效的檢測諧波結(jié)果,未來還需要改進(jìn)。

參考文獻(xiàn):

[1]肖湘寧,等.電能質(zhì)量分析與控制[J].中國電力出版社,2004,2.

[2]程浩忠,呂干云,周荔丹.電能質(zhì)量檢測與分析[J].科學(xué)出版社,2012.

[3]于群,曹娜.MATLAB/Simulink電力系統(tǒng)建模與仿真[J].機(jī)械工業(yè)出版社,2011,5.

[4]謝東,張興,曹仁賢.基于小波變換與神經(jīng)網(wǎng)絡(luò)的孤島檢測技術(shù)[J].中國電機(jī)工程學(xué)報(bào),2014,2.

[5]呂干云,丁屹峰,程浩忠.一種基于改進(jìn)鎖相環(huán)系統(tǒng)的電能質(zhì)量擾動(dòng)檢測方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2006.

[6]葛乃成,程浩忠,呂干云.基于MATLAB/Simulink仿真的電能質(zhì)量檢測[J].供用電,2004.

[7]粟時(shí)平,劉桂英.現(xiàn)代電能質(zhì)量檢測技術(shù)[J].中國電力出版社,2008.

[8]Dugan R C, Megranghan M F, Benty H W. Electrical Power Systems Quality[M].New York; McGraw-Hill,1996.endprint

猜你喜歡
最小二乘法電能質(zhì)量神經(jīng)網(wǎng)絡(luò)
基于人工智能LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)成績預(yù)測
基于圖像處理與卷積神經(jīng)網(wǎng)絡(luò)的零件識別
基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)穩(wěn)定性預(yù)測
三次樣條和二次刪除相輔助的WASD神經(jīng)網(wǎng)絡(luò)與日本人口預(yù)測
馬爾科夫鏈在市場預(yù)測中的應(yīng)用
牽引變電所無功補(bǔ)償研究
臺區(qū)低電壓的防治對策
新能源電網(wǎng)電能質(zhì)量管理系統(tǒng)設(shè)計(jì)
一種改進(jìn)的基于RSSI最小二乘法和擬牛頓法的WSN節(jié)點(diǎn)定位算法
最小二乘法基本思想及其應(yīng)用
404 Not Found

404 Not Found


nginx
自贡市| 中方县| 高州市| 阿图什市| 正阳县| 松原市| 泌阳县| 邮箱| 沙洋县| 都安| 昌图县| 云阳县| 巧家县| 黄大仙区| 湘西| 岐山县| 商洛市| 皮山县| 乌拉特前旗| 井冈山市| 永靖县| 高平市| 轮台县| 林州市| 抚远县| 贡觉县| 丹寨县| 霞浦县| 吴忠市| 龙井市| 云南省| 会昌县| 阿克| 阜平县| 怀化市| 柳江县| 周至县| 康马县| 府谷县| 绥江县| 郸城县|