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

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

針對換流器產(chǎn)生諧波的主要特征進行分析，提出一種改進型的小波神經(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)改進的小波神經(jīng)網(wǎng)絡(luò)具有較好的檢測精度和誤差率。

直流輸電 諧波檢測 換流器 Matlab

近年來，直流輸電以其遠距離、低損耗及大輸電量等方面的優(yōu)勢，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使系統(tǒng)產(chǎn)生諧波，諧波對于嚴(yán)格要求供電質(zhì)量的輸電系統(tǒng)來說是一種“污染”。諧波會影響輸電設(shè)備的正常運行，對附近的通信設(shè)備造成干擾，所以對諧波進行精確的檢測與分析對于電力系統(tǒng)的正常穩(wěn)定運行有著重要的意義[1]。

在直流輸電系統(tǒng)中，核心元件是換流器，通常采用十二脈動閥組結(jié)構(gòu)的單級換流器[2,3]。在對換流器所產(chǎn)生的諧波進行分析時，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。理論和實踐證明，諧波檢測的精度和動態(tài)響應(yīng)速度與檢測算法密切相關(guān)[4]。當(dāng)前主要的諧波檢測算法有傅里葉變換、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)計了一種改進型小波神經(jīng)網(wǎng)絡(luò)，實現(xiàn)對直流輸電系統(tǒng)的諧波檢測，最后在Matlab中對該改進型算法予以實現(xiàn)。

1 換流站的特征諧波

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

在理想條件下，換流站網(wǎng)側(cè)的交流電壓為三相對稱電壓，所以電壓無諧波。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，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。而對于十二脈沖換流器，它的結(jié)構(gòu)為兩個六脈沖換流器串聯(lián)，每個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)過研究表明，對換流器的脈沖數(shù)做進一步分析，分析到p次時，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)來說要簡單，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]。松散型是將信號通過小波變換或傅里葉變換實現(xiàn)其時頻特性的提取，進而將提取的時頻特性送入神經(jīng)網(wǎng)絡(luò)進行處理；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)時并不能快速得出目標(biāo)結(jié)果，迭代次數(shù)、計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)。針對以上不足筆者提出了改進型小波神經(jīng)網(wǎng)絡(luò)。

2.2改進型小波神經(jīng)網(wǎng)絡(luò)

2.2.1處理層的構(gòu)建

針對上述小波神經(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。由于原始數(shù)據(jù)也就是諧波是一個三維數(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，也就是筆者所要做的降維，將多維輸入分解降維變成多個子網(wǎng)絡(luò)，形成一個類似“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。由于諧波的檢測包含諧波的幅值、相角與頻率的檢測，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。

筆者改進的小波神經(jīng)網(wǎng)絡(luò)在進行信號分類識別時采用如下四層網(wǎng)絡(luò)結(jié)構(gòu):

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

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

b. 處理層。將輸入層輸入的原始信號通過快速傅里葉進行分解，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分別輸入到3個子網(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網(wǎng)絡(luò)的輸入信號：

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. 對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；

e. 給出網(wǎng)絡(luò)檢測結(jié)果。

3 小波神經(jīng)網(wǎng)絡(luò)檢測高壓直流輸電系統(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)中進行訓(xùn)練，取0.0～16.8之間每π/8為一個采樣點,通過訓(xùn)練確定網(wǎng)絡(luò)的各個參數(shù)，如權(quán)值、閾值。再將需要檢測的數(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，檢測出的諧波如圖4所示。

圖4 用小波神經(jīng)網(wǎng)絡(luò)檢測出的諧波

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

表1 諧波頻率值對比 Hz

表2 諧波相角對比 (°)

表3 諧波幅值(標(biāo)幺值)對比

由表1～3可以看出，筆者所提算法檢測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)下誤差率對比。

由圖5可以看出，改進的小波神經(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，諧波在改進小波神經(jīng)網(wǎng)絡(luò)中迭代470次后其精度基本已經(jīng)達到檢測要求。

圖5 誤差率對比

4 結(jié)束語

對普通小波神經(jīng)網(wǎng)絡(luò)進行改進，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)送入搭建好的改進小波神經(jīng)網(wǎng)絡(luò)中進行檢測，發(fā)現(xiàn)改進的小波神經(jīng)網(wǎng)絡(luò)能夠精確地檢測出諧波，同時在相同迭代次數(shù)下其檢測誤差率要低于普通的小波神經(jīng)網(wǎng)絡(luò)。將此改進型小波神經(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)對電網(wǎng)諧波污染的仿真分析[J].電力系統(tǒng)保護與控制,2010,38(23):192～195.

[3] 楊志棟,李亞男,殷威揚，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)諧波檢測算法研究及實現(xiàn)[J].化工自動化及儀表,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)射信號識別[J].化工機械，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)項目(12531062)