單冬紅，蔡琪，魯書喜

（1.平頂山學(xué)院河南平頂山467000；2.平頂山教育學(xué)院河南平頂山467000）

基于BP神經(jīng)網(wǎng)絡(luò)的諧波電流檢測(cè)方法研究

單冬紅1，蔡琪2，魯書喜1

（1.平頂山學(xué)院河南平頂山467000；2.平頂山教育學(xué)院河南平頂山467000）

諧波檢測(cè)環(huán)節(jié)的性能對(duì)于有源濾波器的諧波治理能力有著重要的影響。目前應(yīng)用最廣泛的ip_iq諧波檢測(cè)算法，其需要復(fù)雜的坐標(biāo)變換，同時(shí)還需要用到鎖相環(huán)以及低通濾波環(huán)節(jié)，結(jié)構(gòu)復(fù)雜。為克服ip_iq算法的以上缺點(diǎn)，文中提出一種基于BP神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)算法，只需將檢測(cè)到的三相負(fù)載電流以及程序生成的A相模擬旋轉(zhuǎn)角作為系統(tǒng)的輸入，通過(guò)神經(jīng)網(wǎng)絡(luò)的計(jì)算便可以得到三相基波電流，再用負(fù)載電流減去基波電流便可以得到需補(bǔ)償?shù)闹C波成分。通過(guò)Mat1ab仿真驗(yàn)證了算法的有效性。

諧波檢測(cè)；神經(jīng)網(wǎng)絡(luò)；有源濾波器；基波電流

目前應(yīng)用最為廣泛是基于瞬時(shí)無(wú)功功率理論的諧波檢測(cè)算法，其可以快速有效的檢測(cè)出所需補(bǔ)償?shù)闹C波成分，但算法所需坐標(biāo)變換運(yùn)算繁雜，而鎖相環(huán)易受電壓畸變影響，低通濾波器帶來(lái)的系統(tǒng)延遲也是無(wú)法避免的。隨著智能技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)在諧波檢測(cè)方面的應(yīng)用潛力也被越來(lái)越多的專家所發(fā)掘。相對(duì)于ip_iq諧波檢測(cè)算法，其不需要繁雜的數(shù)學(xué)計(jì)算，也不需要鎖相環(huán)以及低通濾波環(huán)節(jié)，大大降低了系統(tǒng)的復(fù)雜性，減小了系統(tǒng)的檢測(cè)延遲，提高了系統(tǒng)的檢測(cè)性能。在文獻(xiàn)［1］提出的6_41_3結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)以三相電流的采樣值和一個(gè)周期內(nèi)三相電流的最大值作為神經(jīng)網(wǎng)絡(luò)的輸入，輸出為三相基波電流的幅值。再將基波電流的幅值乘以由鎖相環(huán)輸出的各項(xiàng)基波同相位的單位基波信號(hào)便得到了基波分量，其算法結(jié)構(gòu)還是過(guò)于復(fù)雜，由于鎖相環(huán)的加入，也增加了系統(tǒng)受干擾的幾率。相對(duì)于上述BP神經(jīng)網(wǎng)絡(luò)，文獻(xiàn)［2］提出的4_9_3結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)在實(shí)現(xiàn)諧波的精確檢測(cè)的同時(shí)結(jié)構(gòu)上也大為精簡(jiǎn)。但其將三相負(fù)載電流和A相電壓值作為系統(tǒng)的輸入，當(dāng)系統(tǒng)電壓存在畸變時(shí)，由于A相電壓的引入將會(huì)影響系統(tǒng)的檢測(cè)精度。本文提出一種三層（4_10_3）BP神經(jīng)網(wǎng)絡(luò)諧波檢測(cè)算法，以三相負(fù)載電流以及程序生成的模擬A相電壓旋轉(zhuǎn)角作為輸入，輸出為三相基波電流，隱層節(jié)點(diǎn)數(shù)為10。與以上文獻(xiàn)中提出的神經(jīng)網(wǎng)絡(luò)相比，結(jié)構(gòu)簡(jiǎn)單，同時(shí)將程序生成的模擬A相電壓旋轉(zhuǎn)角作為一個(gè)輸入量既避免了因采用電壓量可能帶來(lái)的干擾也避免了因使用鎖相環(huán)對(duì)檢測(cè)精度帶來(lái)的影響［3］，提高了系統(tǒng)的檢測(cè)性能。

1　有源濾波器諧波補(bǔ)償原理

有源濾波器運(yùn)行原理如圖1所示，將采集到的三相負(fù)載電流和A相電源電壓輸入控制器，通過(guò)檢測(cè)出需要補(bǔ)償?shù)闹C波成分，控制器產(chǎn)生PWM信號(hào)控制逆變器輸出待補(bǔ)償諧波電流［4_5］，從而對(duì)諧波進(jìn)行治理?？刂破鞑糠职ㄖC波檢測(cè)部分以及電流跟蹤控制部分。

2　BP神經(jīng)網(wǎng)絡(luò)

諧波檢測(cè)部分采用BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是至今為止應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)，在實(shí)際工程應(yīng)用中，以單隱層的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用最為普遍。一般將單隱層感知器稱為三層感知器，包括輸入層、隱層、輸出層。其結(jié)構(gòu)如圖2所示。

圖1　有源濾波器運(yùn)行原理

圖2　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

在三層感知器結(jié)構(gòu)中，X=（x1，x2，x3，…，xn）T為輸入向量，x0為隱層設(shè)置的閾值；Y=（y1，y2，y3，…，yn）T為隱層的輸出向量，y0為輸出層的閾值；0=（o1，o2，o3，…，ol）T為輸出層的輸出向量；D= （d1，d2，d3，…，dl）T為神經(jīng)網(wǎng)絡(luò)的期望輸出。wnm表示輸入層第n個(gè)節(jié)點(diǎn)到隱層第m個(gè)節(jié)點(diǎn)所對(duì)應(yīng)的權(quán)值；vml表示隱層第m個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)所對(duì)應(yīng)的權(quán)值。各層信號(hào)之間有如下數(shù)學(xué)關(guān)系：

在上式中轉(zhuǎn)移函數(shù)f（x）為單極性Sigmoid函數(shù)：

單極性Sigmoid函數(shù)具有連續(xù)可導(dǎo)的特點(diǎn)，其導(dǎo)數(shù)為：

或者雙極性Sigmoid函數(shù)（雙曲線正切函數(shù)）：

BP網(wǎng)絡(luò)學(xué)習(xí)算法采用誤差反傳算法（Error Back Propagation A1gorithm），當(dāng)輸出層的實(shí)際輸出與期望輸出不相等時(shí)定義誤差函數(shù)，將誤差反向傳播，以誤差函數(shù)梯度為依據(jù)修正各層權(quán)值，使得誤差不斷減小。下面以三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行說(shuō)明。

當(dāng)網(wǎng)絡(luò)輸出與期望輸出不等時(shí)，定義誤差為：

將誤差展開至隱層：

將誤差進(jìn)一步展開至輸入層：

由式（8）、（9）可以看出網(wǎng)絡(luò)誤差是各層權(quán)值的函數(shù)，因此調(diào)整權(quán)值可以改變誤差。權(quán)值的調(diào)整原則是使誤差不斷減小，因此權(quán)值的調(diào)整量應(yīng)與誤差的梯度下降成正比，則權(quán)值的調(diào)整量為：

負(fù)號(hào)表示梯度下降，η∈（0，1）為學(xué)習(xí)率。

3　基于BP神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)

因?yàn)橛性礊V波器是對(duì)各次諧波進(jìn)行整體補(bǔ)償，所以只要檢測(cè)出負(fù)載電流中的基波分量，再用負(fù)載電流減去基波分量便可得到需補(bǔ)償?shù)闹C波分量。因?yàn)樨?fù)載電流和基波電流之間并非是簡(jiǎn)單的單值函數(shù)關(guān)系，若直接將三相負(fù)載電流作為BP神經(jīng)網(wǎng)絡(luò)的輸入，如圖3所示，三相基波電流作為期望輸出對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)無(wú)法準(zhǔn)確的檢測(cè)出基波電流?？紤]再引入一項(xiàng)附加量對(duì)負(fù)載電流進(jìn)行標(biāo)注以改善神經(jīng)網(wǎng)絡(luò)的檢測(cè)性能［6_7］?？紤]到三相負(fù)載電流是周期變化的，引入的附加量應(yīng)該也是周期變化且同負(fù)載電流同周期，為簡(jiǎn)化計(jì)算，附加量函數(shù)表達(dá)式應(yīng)該盡可能的簡(jiǎn)單。系統(tǒng)相電壓的旋轉(zhuǎn)角是取值范圍為0～2π的單調(diào)遞增函數(shù)，可以滿足上述附加量的要求。為了進(jìn)一步的簡(jiǎn)化計(jì)算，實(shí)驗(yàn)中放棄鎖相環(huán)，采用軟件編程來(lái)產(chǎn)生A相電壓的模擬旋轉(zhuǎn)角。

圖3　三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

以三相負(fù)載電流以及A相電壓的模擬旋轉(zhuǎn)角作為輸入，三相基波電流作為輸出建立三層BP神經(jīng)網(wǎng)絡(luò)，隱層選擇10個(gè)節(jié)點(diǎn)。A相電壓模擬旋轉(zhuǎn)角采用軟件的方式生成，和A相電壓同周期，取值范圍為0～2 π，公式為：

其中fa是A相基波頻率為50 Hz，t為時(shí)間，Φ為初相。仿真時(shí)，模擬有源濾波器在A相電壓正向過(guò)零點(diǎn)時(shí)啟動(dòng)，故初相為零。

負(fù)載為三相橋式整流電路帶非線性負(fù)載，負(fù)載電阻為R= 15 Ω，負(fù)載電感為L(zhǎng)=0.020 H。當(dāng)系統(tǒng)穩(wěn)定運(yùn)行4個(gè)基波周期后，將采集到的1個(gè)基波周期的三相負(fù)載電流和通過(guò)程序生成的模擬A相電壓旋轉(zhuǎn)角度組成神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，利用ip_iq諧波檢測(cè)算法得到的三相基波電流數(shù)據(jù)組成神經(jīng)網(wǎng)絡(luò)的期望輸出數(shù)據(jù)，訓(xùn)練數(shù)據(jù)總共20 000組。

利用Mat1ab提供的神經(jīng)網(wǎng)絡(luò)函數(shù)建立4_10_3三層BP神經(jīng)網(wǎng)絡(luò)，輸入為三相負(fù)載電流以及模擬A相電壓旋轉(zhuǎn)角，輸出為三相基波電流，如圖4所示。選擇tansig函數(shù)作為隱層神經(jīng)元傳遞函數(shù)，輸出層神經(jīng)元的傳遞函數(shù)也為pure1in函數(shù)，訓(xùn)練函數(shù)選擇train1m函數(shù)，迭代次數(shù)設(shè)置為600次。由圖5所示，當(dāng)?shù)螖?shù)達(dá)到600次時(shí)，均方誤差為0.002 790 8。

圖4　三相負(fù)載電流波形

圖5　訓(xùn)練均方誤差曲線

將訓(xùn)練好的網(wǎng)絡(luò)用于三相負(fù)載電流檢測(cè)，代入采集到0～0.1 s的三相負(fù)載電流數(shù)據(jù)，檢測(cè)得到的三相基波電流波形如圖6所示。

圖6　三相基波電流波形

對(duì)其中A相電流進(jìn)行頻譜分析，可以得出由神經(jīng)網(wǎng)絡(luò)檢測(cè)得到的系統(tǒng)三相電流基本上只含有50 Hz基波成分，其他的諧波成分得到了有效的濾除。最終得到的A相待補(bǔ)償諧波電流波形如圖7所示。

圖7　A相待補(bǔ)償諧波電流

神經(jīng)網(wǎng)絡(luò)算法最終得到的A相待補(bǔ)償諧波電流波形與ip_iq算法檢測(cè)得到的A相待補(bǔ)償諧波電流波形（圖8）對(duì)比可知，ip_iq算法因存在大約1/3工頻周期的延時(shí)，在0.01 s之前的檢測(cè)結(jié)果與實(shí)際諧波電流相差較大，而BP神經(jīng)網(wǎng)絡(luò)因?yàn)檠訒r(shí)很小，其結(jié)果更加的精確。

圖8　由ip_iq算法檢測(cè)的A相諧波電流

4　結(jié)論

本文提出的基于BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)算法結(jié)構(gòu)簡(jiǎn)單，能夠有效的檢測(cè)出系統(tǒng)的基波電流，進(jìn)而求得所需補(bǔ)償?shù)闹C波電流，既可用于三相諧波檢測(cè)，也可用于單相諧波檢測(cè)。相對(duì)于ip_iq諧波檢測(cè)算法來(lái)說(shuō)，不需要繁雜的坐標(biāo)變換以及大量的數(shù)學(xué)運(yùn)算，由于省去了低通濾波環(huán)節(jié)，大大降低了系統(tǒng)延遲，以程序生成模擬A相電壓旋轉(zhuǎn)角也省去了鎖相環(huán)的使用，提高了系統(tǒng)的可靠性。Mat1ab仿真證明本文提出的BP神經(jīng)網(wǎng)絡(luò)諧波檢測(cè)算法可以快速有效的檢測(cè)出所需補(bǔ)償?shù)闹C波分量。

［1］馬立新，林家雋，肖川，等.電流突變抑制與智能化諧波檢測(cè)系統(tǒng)［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2012，24（1）：49_53.

［2］岳明道，郭煥銀，李文藝.一種基于神經(jīng)網(wǎng)絡(luò)的電力諧波檢測(cè)方法［J］.儀表技術(shù)，2010（12）：1_4.

［3］馬立新，肖川.神經(jīng)網(wǎng)絡(luò)與鎖相環(huán)相結(jié)合的諧波檢測(cè)方法［J］.電力系統(tǒng)及自動(dòng)化學(xué)報(bào)，2011，23（3）：24_29.

［4］張謙，王好娜，付志紅，等.濾波器_神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方法［J］.電力系統(tǒng)保護(hù)與控制.2011，39（12）：42_47.

［5］陳淑華，付青，馬桂龍，等.基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)預(yù)測(cè)算法的諧波檢測(cè)［J］.電工技術(shù)學(xué)報(bào)，2011，26（增刊1）：200_206.

［6］王旻鶴，劉一江，彭楚武.模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化間諧波檢測(cè)方法［J］.電力系統(tǒng)及自動(dòng)化學(xué)報(bào)，2011，23（3）：118_122.

［7］商紅桃.三相不平衡電網(wǎng)諧波電流檢測(cè)方法的研究［J］.自動(dòng)化技術(shù)與應(yīng)用，2013，32（12）：74_77.

Research on harmonlc current detectlon based on BP neural netWork

SHAN Dong_hong1，CAI Qi2，LU Shu_xi1
（1.Pingdingshan University，Pingdingshan 467000，China；2.Pingdingshan Education College，Pingdingshan 467000，China）

The performance of harmonic detection has an important effect on the abi1ity of active power fi1ter harmonic compensation.At present，the most wide1y used harmonic detection a1gorithm is ip_iq a1gorithm.it needs comp1ex coordinate transformation and needs to use phase_1ocked 1oop and 1ow pass fi1ter，so its structure is very comp1ex.In order to overcome the disadvantages of the above a1gorithms，this paper proposes a harmonic detection a1gorithm based on BP neura1 network，on1y use the three phases of 1oad current and the rotation ang1e of A phase generated by the program as the inputs of the system，we can get the three_phase fundamenta1 current by the neura1 network computing，and harmonic components can be obtained by subtracting fundamenta1 current from the 1oad current.Mat1ab simu1ation verified the effectiveness of the a1gorithm.

harmonic detection；neura1 network；active power fi1ter；fundamenta1 current

TN802

A

1674_6236（2016）10_0042_03

2015_06_15稿件編號(hào)：201506148

河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目資助計(jì)劃（14B460011）

單冬紅（1976—），女，河南鄧州人，碩士，副教授。研究方向：數(shù)據(jù)挖掘、算法分析。