有神经元连接，其中输 入层的神经元与竞争层的神经元的一次连接对应一个连接权值；竞争层的每个神经元所对 应的所有连接权值构成其自身的参考向量；竞争层中的神经元与输出层中的神经元一一对 应连接；输出层，用于对外输出电能质量信号谐波及间谐波信息的检测结果。
[0117] 模型优化模块32,通过PS0优化电能质量检测模型，给电能质量检测模型的各个 连接权值赋值。粒子群通过迭代更新，找出适应度值最优的粒子，以此最优的粒子给电能质 量检测模型中的连接权值赋值，使得输入一组训练样本的时候，输出的分类结果的误差尽 可能小。
[0118] 在实际使用中，可以使用DSP芯片实现模型构建模块31、模型优化模块32和谐波 检测模块33 ;同时，依次利用电压或电流互感器、信号调理电路和信号转换电路采集电流 质量信号，并将电流质量信号输入至电能质量检测模型；还可以通过FPGA进行数据的传输 以及各种指令的传递。
[0119] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以 存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说 对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计 算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个 人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。 而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory)、随机存取 存储器（RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0120] 相同或相似的标号对应相同或相似的部件；
[0121] 附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
[0122] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对 本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本 发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求 的保护范围之内。
【主权项】
1. 一种分布式电源谐波检测方法，其特征在于，包括： 基于学习向量量化LVQ神经网络构建电能质量检测模型； 利用粒子群算法PSO优化所述电能质量检测模型； 利用优化后的所述电能质量检测模型，依据输入的电能质量信号中的谐波信息，对所 述电能质量信号的谐波及间谐波扰动进行检测。2. 根据权利要求1所述的分布式电源谐波检测方法，其特征在于，所述电能质量检测 模型包括分别由多个神经元组成的输入层、竞争层及输出层； 所述输入层中的每个神经元分别与所述竞争层中的所有神经元连接，其中所述输入层 的神经元与所述竞争层的神经元的一次连接对应一个连接权值；所述竞争层的每个神经元 所对应的所有所述连接权值构成其自身的参考向量； 所述竞争层中的神经元与所述输出层中的神经元一一对应连接； 所述输出层，用于对外输出所述电能质量信号谐波及间谐波的检测结果。3. 根据权利要求2所述的分布式电源谐波检测方法，其特征在于，所述利用PSO优化所 述电能质量检测模型包括： 建立粒子群，其中所述粒子群中粒子的位置的分量与所述电能质量检测模型中的连接 权值一一对应； 利用粒子群迭代算法，迭代更新所述粒子群中所有粒子的位置和速度； 其中，每次更新粒子的位置和速度后，均计算每个粒子的最优适应度位置，并利用得到 的粒子的最优适应度位置获取粒子群的最优适应度位置，以及，利用所述粒子群的最优适 应度位置更新所述电能质量检测模型中的所有所述连接权值； 当所述粒子群迭代算法达到设定的迭代次数，或，所述电能质量检测模型的实际输出 和预期输出的差值满足预设范围时，停止对粒子群中粒子位置和速度的更新。4. 根据权利要求3所述的分布式电源谐波检测方法，其特征在于，所述建立粒子群，包 括： 建立初始种群数目为n，以及迭代次数为T的粒子群，其中所述粒子群中的粒子的维度 为所述电能质量检测模型中所有连接权值的数目，并随机产生所述粒子群中所有粒子的初 始位置和初始速度，以及确定每个粒子初始的最优适应度位置和所述粒子群初始的最优适 应度位置； 建立所述粒子群中粒子的位置的分量与所述电能质量检测模型中的连接权值的一一 对应关系。5. 根据权利要求3所述的分布式电源谐波检测方法，其特征在于，所述利用粒子群迭 代算法，迭代更新所述粒子群中所有粒子的位置和速度，包括： 依次判断每个粒子的当前位置是否小于和其对应的设定位置，且判断每个粒子的当前 速度是否小于和其对应的设定速度，如果当前粒子的判断结果均为是，则重新初始化所述 粒子群；如果当前粒子的判断结果至少有一项为否，则更新当前粒子的位置和速度。6. 根据权利要求3所述的分布式电源谐波检测方法，其特征在于，所述每次更新粒子 的位置和速度后，均计算每个粒子的最优适应度位置，包括： 每次更新粒子的位置和速度后，计算粒子当前的适应度值； 依次判断每个粒子当前的所述适应度值是否优于其当前的最优适应度位置对应的适 应度值，如果是，则利用粒子的当前位置替换所述粒子的最优适应度位置。7. 根据权利要求3所述的分布式电源谐波检测方法，其特征在于，所述利用得到的粒 子的最优适应度位置获取粒子群的最优适应度位置，包括： 依次判断每个粒子当前的最优适应度位置的适应度值是否优于所述粒子群的最优适 应度位置的适应度值，如果当前进行判断的粒子当前的最优适应度位置的适应度值优于所 述粒子群当前的最优适应度位置的适应度值，则将所述粒子群的最优适应度位置更新为当 前进行判断的粒子的最优适应度位置。8. 根据权利要求3所述的分布式电源谐波检测方法，其特征在于，所述计算粒子当前 的适应度值，包括： 利用公式Η 十算粒子当前的适应度值； 其中，Ν为训练样本总数；W和父分别为相应于第i个训练样本的输出层的期望输出 和实际输出。9. 根据权利要求5所述的分布式电源谐波检测方法，其特征在于，所述利用粒子群迭 代算法，迭代更新所述粒子群中所有粒子的位置和速度，包括： 采用公式更新粒子的速度； 利用公式更新粒子的位置； 其中：ω为惯性权重； 4为第i个粒子第k次迭代时速度在维度d上的分量； 4为第i个粒子第k次迭代时位置在维度d上的分量； /4第i个粒子第k次迭代时粒子的最优适应度位置在维度d上的分量； /?,为第k次迭代时整个所述粒子群的最优适应度位置在维度d上的分量； ξ和η为预设的介于〇与1之间的随机数； cl与c2为学习因子。10. -种应用如权利要求1-9任一项所述分布式电源谐波检测方法的检测装置，其特 征在于，包括： 模型构建模块，用于基于学习向量量化LVQ神经网络构建电能质量检测模型； 模型优化模块，用于利用粒子群算法PSO优化所述电能质量检测模型； 谐波检测模块，用于利用优化后的所述电能质量检测模型，依据输入的电能质量信号 中的谐波信息，对所述电能质量信号的谐波及间谐波扰动进行检测。
【专利摘要】本发明提供一种分布式电源谐波检测方法及装置，该方法利用粒子群算法优化由LVQ神经网络构建的电能质量检测模型，克服现有神经网络在电能质量检测中获取样本不易，当拥有这样一组较为理想的样本之后，训练网络时很可能会遇到不收敛或者收敛速度慢的问题；假若问题或者网络结构需要改变，那么网络就需要重新训练；训练当中还有可能出现过学习的技术问题，从而满足电能质量检测中的实际需求。
【IPC分类】G06N3/02, G01R23/16
【公开号】CN105334389
【申请号】CN201510823936
【发明人】何君如, 杨俊华, 杨济溦
【申请人】广东工业大学
【公开日】2016年2月17日
【申请日】2015年11月23日