基于神经互联网地有源电力滤波器应用研究,High Brightest Triple lens with aluminium pcb

Add to Favorites High Brightest Triple | Home | Highest | transmittance | Fix 2012-5-20

基于神经互联网地有源电力滤波器应用研究 - High Brightest Triple lens with aluminium pcb

[基于神经互联网地有源电力滤波器应用研究] update:2012-5-2081285信息标准
ze=４>　　１）傅立叶解析办法：主要是对检测到地电流电压信号进办傅立叶解析，分解出高次谐波地频谱，最后计算出应该加入地滤波衣置参数; 65263信息标准
>ze=４>一、电网谐波地传统检测办法<STRON> 13330信息标准
>ze=４>二、BP神经互联网技术<STRON> 42573信息标准
ze=４>　　４） P检节滤波器法：通过P检节技术结合滤波技术，来检测特定次地谐波含量; 28283信息标准
ze=４>　　２）电力系统畸变电流中所含有地奇次谐波分量很多，但有几种是严重影响电能质量地，包括５次、７次、１１次与１３次谐波; 97711信息标准
ze=４> 62868信息标准
ze=４> 67399信息标准
ze=４>　　２）模式知别技术：用于消息地知别比如文字，语言等，特别适用于对特征地判断; 6921信息标准
ze=４>　　考虑用BP互联网技术来检测谐波主要也是基于电力系统动态谐波地特点而定地，电网里面地谐波次数很多，过去地一个关键设备就是一种并办地滤波式检测衣置。这种衣置地原理方框图如图２.２所示，它地实时性与准确性都还不错，但因为滤波器数量太多，造成整规衣置十分复杂，故障率与可靠性比较低，且无法依据要要进办功能上地修改，适应性较差。 61800信息标准
ze=４>　　１）奇次谐波是电网中谐波地主要成分，而且奇次谐波地幅值也不会超过基波幅值地７０%,高次谐波地幅值都比较小，所以要重点考虑奇次谐波地滤波; 70604信息标准
ze=４>　　有源电力滤波器在本质上就是通过降低电力系统中地总谐波畸变率，使电能质量达到国家制定地电能质量标准。在电力系统中地谐波可以回纳出以下地这些特点： 97307信息标准
ze=４>　　BP（Back propaaton）互联网是一种单向传递地多层前向互联网，是一种利用误差反向传递训练算法地神经互联网。解决了多层互联网中隐含单元连接权地学习问题。 17198信息标准
ze=４> 57527信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５５２０１.jp" border=０>
图３.１基于BP互联网地谐波电流检测方案<DV> 83421信息标准
ze=４>　　谐波检测地传统办法也有很多，其中重点在于对电流谐波地检测。综合来讲，主要有以下几种谐波检测办法： 58854信息标准
ze=４>　　采用训练好地BP互联网检测实验仿真滤波器电路地电流波形，其中电源电流波形与滤波器注入电流波形分别如图４.１至图４.５所示。 32556信息标准
ze=４>　　１）数据压缩技术：图像数据地压缩存储与图像特征地抽取; 84894信息标准
ze=４>　　５）等功率法：通过检测直流侧电容地平均电压来判定电网谐波; 27879信息标准
ze=４>　　本文从瞬时无功功率入手，通过对BP互联网模型、检测办法等方面地改进进办组合控制, 在负载突变时引进神经互联网提高准确实时性，得到了准确实时性好地谐波检测办法，结合有源滤波器将检测办法应用到检测环节通过仿真结果可以看出该办法为解析与设计谐波动态检测提供了有效地办法与工具。 25483信息标准
ze=４>　　上式中， Ah表示第h次谐波幅值; A１表示基波１（t）幅值。 79553信息标准
ze=４>　 43901信息标准
ze=４>　　用上述构成地组合控制进办仿真，将电流检测应用到有源电力滤波器中观察波形，神经互联网输出层采用非线性激活函数los与线性激活函数purelne进办检测结果对比，依据仿真值计算所得地THD平均值如表１所示： 77417信息标准
ze=４> 50309信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５４３１４.jp" border=０>
图２.２并办滤波式谐波检测衣置方框图<DV> 58191信息标准
ze=４>　　< src="UploadFle２００９１２３１３２９５５４６３.jp" border=０> （３.１） 7989信息标准
ze=４>　　３.１电力系统谐波特点 58595信息标准
ze=４>　　表１测试样本补偿前后地平均THD值
 V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５８２４８.jp" border=０><DV> 80217信息标准
ze=４>　　３）实际操作中，有源电力滤波器地检测环节先检测出这几种谐波，然后控制补偿与滤波电路进办动作，滤掉这几种影响较大地谐波，从而显著降低中地谐波含量，也就大幅度降低了电力系统地总谐波畸变率。 68467信息标准
 3716信息标准
>ze=４>四.仿真研究<STRON> 97970信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５９８９１.jp" border=０>
图４.１电源电流波形
< src="UploadFle２００９１２３１３２９５９９０２.jp" border=０>
图４.２滤波器注入电流波形
< src="UploadFle２００９１２３１３２９５９６０１.jp" border=０>
图４.３没有滤波衣置时地系统电流
< src="UploadFle２００９１２３１３３００５４９.jp" border=０>
图４.４投入混合型有源滤波器后地系统电流
< src="UploadFle２００９１２３１３３０１６８１.jp" border=０>
图４.５不同情况下系统电流频谱比较<DV> 41764信息标准
>ze=４>三.BP神经互联网与电网谐波检测<STRON> 83826信息标准
ze=４>　　３.２ BP谐波检测互联网地实现 31083信息标准
ze=４> 15870信息标准
ze=４>　　在本文中我们对图３.１所示地多层前馈神经互联网地训练采用地是一种启发式学习算法即动量BP算法（OBP），该算法采用动量法检整策略，可显著降低互联网对于误差曲面局部细节地敏感性，有效地抑制互联网陷入局部极小，在互联网训练中OBP采用式（３.１）与式（３.２）修正权值与阈值。 8393信息标准
ze=４>　基于以上解析，本文提出了下面地检测方案，如图３.１所示。即用一个输入节点为１２８,输出节点为３地BP互联网来实现有源电力滤波器对谐波电流地检测;输出层地期望输出分别是５次、７次、１１次与１３次谐波地幅值;输入层地输入为畸变波在一个基波周期地１２８个采样值（当基波地频率为５０Hz时，采样周期取０.０２１２７s）。 30824信息标准
ze=４>　　６）其它基于先进控制理论地谐波检测技术，如神经互联网理论等。 63531信息标准
ze=４> 电网地谐波滤波对于维护电网地供电质量意义重大，特别对于关键供电设备受谐波影响很大，更要要高质量地电源作保证。而要保证电网中滤波地效率与准确率，就必须准确地判断谐波地次数与幅值大小。所以关键问题在于谐波地检测与判断，特别对于电网负荷大幅波动地情况下，谐波地快速准确检测更有重大地钱值。 91966信息标准
ze=４>　　在电力系统中，判断谐波地大小有一个量化指标，常用总谐波畸变率（THD）来度量电压与电流地质量。 33219信息标准
>ze=４>结束语<STRON> 9462信息标准
ze=４>　　< src="UploadFle２００９１２３１３２９５６３８４.jp" border=０> 27620信息标准
ze=４>　　表１与图４.１、图４.２表明总谐波畸变率经谐波补偿后得到了明显地下降，说明该谐波电流检测办法能较好地进办谐波电流检测并比较好地进办补偿。 73144信息标准
ze=４>　　BP互联网中地一个关键步骤是有关隐含层地设计，包括隐含层地数量与对应关系等问题。若BP互联网中地每个输出谐波都与同一个隐层相连接，输出层与隐层之间地连接权对对谐波滤波值可以给出最佳值，但是整个系统地记忆负担太重，而降低系统地效能，并有可能相互影响。但是假如使每次谐波分别对应于一个隐层，即都有自我地隐层，每个隐层只负责记忆自我所对应地那个谐波地隐含演射关系，将会更好地克衣因为一个隐层带有地谐波之间相互影响地问题。 63127信息标准
ze=４>　　３）零序电流解析办法：通过检测零序电流与瞬时无功功率来进办谐波解析; 19738信息标准
ze=４>　　在式（３.１）与（３.２）中：是学习速率，γ是动量系数。是指互联网地第层，是近似均方误差对层输入地敏感性，b是互联网权值，w是互联网阈值，Y是互联网输出层地输出，T是矩阵转置。 23347信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５３４９０.jp" border=０>
图２.１ BP神经互联网结构<DV> 85962信息标准
ze=４>　　比较图２.１与图２.２，可以考虑用BP互联网来帮替图２.２中地硬件电路，用神经互联网地学习办法来加以帮替。可以将实际电网地输入信号看成是待测量信号，进办一系列地采样与自我学习。BP互联网地输出得出地是所要检测地各次谐波电流信号地幅值，得到地这些电流信号是有源电力滤波器地补偿电流发生电路所要要地指令电流信号地重要部分。基于这种思想，可以考虑用BP神经互联网来进办地谐波电流地检测，本文中，将做一下仿真研究。 24674信息标准
ze=４>　　３）函数逼近：用于复杂工业系统地建模与控制，特别适合于强耦合与非线性地系统。 35097信息标准
ze=４> 50714信息标准
ze=４>　　对于系统地输入与输出L，BP神经互联网可看成是从维欧氏空间到L维欧氏空间地演射，这种演射地一大特点是高度地非线性，用途非常广泛，结构如图２.１所示其中包括： 30420信息标准
ze=４>　　２）小波解析办法：本质上是傅立叶解析办法地一个扩展，只不过在频谱地提取上更有特点，计算方法与傅立叶办法类似; 91303信息标准
ze=４> 8653信息标准
ze=４> 来源：中国传动网

content:基于神经互联网地有源电力滤波器应用研究81285信息标准
ze=４>　　１）傅立叶解析办法：主要是对检测到地电流电压信号进办傅立叶解析，分解出高次谐波地频谱，最后计算出应该加入地滤波衣置参数; 65263信息标准
>ze=４>一、电网谐波地传统检测办法<STRON> 13330信息标准
>ze=４>二、BP神经互联网技术<STRON> 42573信息标准
ze=４>　　４） P检节滤波器法：通过P检节技术结合滤波技术，来检测特定次地谐波含量; 28283信

81285信息标准
ze=４>　　１）傅立叶解析办法：主要是对检测到地电流电压信号进办傅立叶解析，分解出高次谐波地频谱，最后计算出应该加入地滤波衣置参数; 65263信息标准
>ze=４>一、电网谐波地传统检测办法<STRON> 13330信息标准
>ze=４>二、BP神经互联网技术<STRON> 42573信息标准
ze=４>　　４） P检节滤波器法：通过P检节技术结合滤波技术，来检测特定次地谐波含量; 28283信息标准
ze=４>　　２）电力系统畸变电流中所含有地奇次谐波分量很多，但有几种是严重影响电能质量地，包括５次、７次、１１次与１３次谐波; 97711信息标准
ze=４> 62868信息标准
ze=４> 67399信息标准
ze=４>　　２）模式知别技术：用于消息地知别比如文字，语言等，特别适用于对特征地判断; 6921信息标准
ze=４>　　考虑用BP互联网技术来检测谐波主要也是基于电力系统动态谐波地特点而定地，电网里面地谐波次数很多，过去地一个关键设备就是一种并办地滤波式检测衣置。这种衣置地原理方框图如图２.２所示，它地实时性与准确性都还不错，但因为滤波器数量太多，造成整规衣置十分复杂，故障率与可靠性比较低，且无法依据要要进办功能上地修改，适应性较差。 61800信息标准
ze=４>　　１）奇次谐波是电网中谐波地主要成分，而且奇次谐波地幅值也不会超过基波幅值地７０%,高次谐波地幅值都比较小，所以要重点考虑奇次谐波地滤波; 70604信息标准
ze=４>　　有源电力滤波器在本质上就是通过降低电力系统中地总谐波畸变率，使电能质量达到国家制定地电能质量标准。在电力系统中地谐波可以回纳出以下地这些特点： 97307信息标准
ze=４>　　BP（Back propaaton）互联网是一种单向传递地多层前向互联网，是一种利用误差反向传递训练算法地神经互联网。解决了多层互联网中隐含单元连接权地学习问题。 17198信息标准
ze=４> 57527信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５５２０１.jp" border=０>
图３.１基于BP互联网地谐波电流检测方案<DV> 83421信息标准
ze=４>　　谐波检测地传统办法也有很多，其中重点在于对电流谐波地检测。综合来讲，主要有以下几种谐波检测办法： 58854信息标准
ze=４>　　采用训练好地BP互联网检测实验仿真滤波器电路地电流波形，其中电源电流波形与滤波器注入电流波形分别如图４.１至图４.５所示。 32556信息标准
ze=４>　　１）数据压缩技术：图像数据地压缩存储与图像特征地抽取; 84894信息标准
ze=４>　　５）等功率法：通过检测直流侧电容地平均电压来判定电网谐波; 27879信息标准
ze=４>　　本文从瞬时无功功率入手，通过对BP互联网模型、检测办法等方面地改进进办组合控制, 在负载突变时引进神经互联网提高准确实时性，得到了准确实时性好地谐波检测办法，结合有源滤波器将检测办法应用到检测环节通过仿真结果可以看出该办法为解析与设计谐波动态检测提供了有效地办法与工具。 25483信息标准
ze=４>　　上式中， Ah表示第h次谐波幅值; A１表示基波１（t）幅值。 79553信息标准
ze=４>　 43901信息标准
ze=４>　　用上述构成地组合控制进办仿真，将电流检测应用到有源电力滤波器中观察波形，神经互联网输出层采用非线性激活函数los与线性激活函数purelne进办检测结果对比，依据仿真值计算所得地THD平均值如表１所示： 77417信息标准
ze=４> 50309信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５４３１４.jp" border=０>
图２.２并办滤波式谐波检测衣置方框图<DV> 58191信息标准
ze=４>　　< src="UploadFle２００９１２３１３２９５５４６３.jp" border=０> （３.１） 7989信息标准
ze=４>　　３.１电力系统谐波特点 58595信息标准
ze=４>　　表１测试样本补偿前后地平均THD值
 V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５８２４８.jp" border=０><DV> 80217信息标准
ze=４>　　３）实际操作中，有源电力滤波器地检测环节先检测出这几种谐波，然后控制补偿与滤波电路进办动作，滤掉这几种影响较大地谐波，从而显著降低中地谐波含量，也就大幅度降低了电力系统地总谐波畸变率。 68467信息标准
 3716信息标准
>ze=４>四.仿真研究<STRON> 97970信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５９８９１.jp" border=０>
图４.１电源电流波形
< src="UploadFle２００９１２３１３２９５９９０２.jp" border=０>
图４.２滤波器注入电流波形
< src="UploadFle２００９１２３１３２９５９６０１.jp" border=０>
图４.３没有滤波衣置时地系统电流
< src="UploadFle２００９１２３１３３００５４９.jp" border=０>
图４.４投入混合型有源滤波器后地系统电流
< src="UploadFle２００９１２３１３３０１６８１.jp" border=０>
图４.５不同情况下系统电流频谱比较<DV> 41764信息标准
>ze=４>三.BP神经互联网与电网谐波检测<STRON> 83826信息标准
ze=４>　　３.２ BP谐波检测互联网地实现 31083信息标准
ze=４> 15870信息标准
ze=４>　　在本文中我们对图３.１所示地多层前馈神经互联网地训练采用地是一种启发式学习算法即动量BP算法（OBP），该算法采用动量法检整策略，可显著降低互联网对于误差曲面局部细节地敏感性，有效地抑制互联网陷入局部极小，在互联网训练中OBP采用式（３.１）与式（３.２）修正权值与阈值。 8393信息标准
ze=４>　基于以上解析，本文提出了下面地检测方案，如图３.１所示。即用一个输入节点为１２８,输出节点为３地BP互联网来实现有源电力滤波器对谐波电流地检测;输出层地期望输出分别是５次、７次、１１次与１３次谐波地幅值;输入层地输入为畸变波在一个基波周期地１２８个采样值（当基波地频率为５０Hz时，采样周期取０.０２１２７s）。 30824信息标准
ze=４>　　６）其它基于先进控制理论地谐波检测技术，如神经互联网理论等。 63531信息标准
ze=４> 电网地谐波滤波对于维护电网地供电质量意义重大，特别对于关键供电设备受谐波影响很大，更要要高质量地电源作保证。而要保证电网中滤波地效率与准确率，就必须准确地判断谐波地次数与幅值大小。所以关键问题在于谐波地检测与判断，特别对于电网负荷大幅波动地情况下，谐波地快速准确检测更有重大地钱值。 91966信息标准
ze=４>　　在电力系统中，判断谐波地大小有一个量化指标，常用总谐波畸变率（THD）来度量电压与电流地质量。 33219信息标准
>ze=４>结束语<STRON> 9462信息标准
ze=４>　　< src="UploadFle２００９１２３１３２９５６３８４.jp" border=０> 27620信息标准
ze=４>　　表１与图４.１、图４.２表明总谐波畸变率经谐波补偿后得到了明显地下降，说明该谐波电流检测办法能较好地进办谐波电流检测并比较好地进办补偿。 73144信息标准
ze=４>　　BP互联网中地一个关键步骤是有关隐含层地设计，包括隐含层地数量与对应关系等问题。若BP互联网中地每个输出谐波都与同一个隐层相连接，输出层与隐层之间地连接权对对谐波滤波值可以给出最佳值，但是整个系统地记忆负担太重，而降低系统地效能，并有可能相互影响。但是假如使每次谐波分别对应于一个隐层，即都有自我地隐层，每个隐层只负责记忆自我所对应地那个谐波地隐含演射关系，将会更好地克衣因为一个隐层带有地谐波之间相互影响地问题。 63127信息标准
ze=４>　　３）零序电流解析办法：通过检测零序电流与瞬时无功功率来进办谐波解析; 19738信息标准
ze=４>　　在式（３.１）与（３.２）中：是学习速率，γ是动量系数。是指互联网地第层，是近似均方误差对层输入地敏感性，b是互联网权值，w是互联网阈值，Y是互联网输出层地输出，T是矩阵转置。 23347信息标准
ze=４> V aln=center>ze=４>< src="UploadFle２００９１２３１３２９５３４９０.jp" border=０>
图２.１ BP神经互联网结构<DV> 85962信息标准
ze=４>　　比较图２.１与图２.２，可以考虑用BP互联网来帮替图２.２中地硬件电路，用神经互联网地学习办法来加以帮替。可以将实际电网地输入信号看成是待测量信号，进办一系列地采样与自我学习。BP互联网地输出得出地是所要检测地各次谐波电流信号地幅值，得到地这些电流信号是有源电力滤波器地补偿电流发生电路所要要地指令电流信号地重要部分。基于这种思想，可以考虑用BP神经互联网来进办地谐波电流地检测，本文中，将做一下仿真研究。 24674信息标准
ze=４>　　３）函数逼近：用于复杂工业系统地建模与控制，特别适合于强耦合与非线性地系统。 35097信息标准
ze=４> 50714信息标准
ze=４>　　对于系统地输入与输出L，BP神经互联网可看成是从维欧氏空间到L维欧氏空间地演射，这种演射地一大特点是高度地非线性，用途非常广泛，结构如图２.１所示其中包括： 30420信息标准
ze=４>　　２）小波解析办法：本质上是傅立叶解析办法地一个扩展，只不过在频谱地提取上更有特点，计算方法与傅立叶办法类似; 91303信息标准
ze=４> 8653信息标准
ze=４> 来源：中国传动网

High Brightest Triple lens with aluminium pcb www.0519stdq.cn

More..

官术南京发票 cctv5在线直播全讯网博彩通济南发票北京治疗尖锐湿疣最好的医院传奇3私服非主流闪图制作软件全讯网香港六合彩开奖西西游戏网丝袜美腿 bet365体育在线博狗 E世博全讯网 bet365 太阳城娱乐网 www.hnyysx.com