专利名称：基于锁相环和神经网络相结合的谐波检测方法
技术领域：
本发明涉及一种电气技术，特别涉及一种基于锁相环和神经网络相结合的谐波检测方法。
背景技术：
随着电力电子技术的发展，电网谐波的污染也越来越严重。有源电力滤波器是一种专门应用于谐波抑制的电力装置，其原理是检测出电网谐波电流后控制主电路产生与电网谐波电流幅值相同、相位相反的谐波将电网谐波抵消，从而使电网电流逼近正弦波，达到规定水平。传统的谐波检测方法是基于瞬时无功功率理论的ip-iq法，这种谐波检测方法的缺点是检测精度低，且具有一定时间的延迟，实时性差。
发明内容
本发明是针对现在谐波检测方法精度低的问题，提出了一种基于锁相环和神经网络相结合的谐波检测方法，以进一步地提高谐波检测的精度和实时性。本发明的技术方案为一种基于锁相环和神经网络相结合的谐波检测方法，包括如下具体步骤
1)神经网络的建立采集三相电网电流数据信号样本，离线状态下对其进行傅里叶变换，计算出基波电流幅值，将采集的三相电流信号和上一个工频周期内计算出的三相电流峰值作为神经网络的输入，傅里叶变换计算出的三相电流基波幅值作为神经网络的输出；
2)基波电流信号将神经网络放入有源电力滤波器系统中，实时地根据输入计算基波电流幅值；同时采集三相电网电流经过锁相环后得到幅值为1，相位与基波幅值相同的正弦信号，将此得到的正弦信号与神经网络计算出的电流基波幅值相乘得到基波电流信号；
3)用步骤2)采集的三相电网电流信号减去步骤2)计算出的基波电流信号，就可以得到纯谐波信号。本发明的有益效果在于本发明基于锁相环和神经网络相结合的谐波检测方法， 没有涉及到低通滤波器成分，因而避免了由于低通滤波器的差分方程造成系统上的延迟， 且神经网络的构成基本由乘法和加法运算构成，非常适合DSP的实现，此外，离线神经网络训练的输出只需要基波幅值，利用传统的傅里叶变换就可以计算出来，并不复杂，提高谐波检测的精度和实时性。也适用于工程上的应用。
图1是本发明用于检测基波幅值的神经网络结构示意图； 图2是本发明谐波计算流程框图3是本发明锁相环和神经网络相结合的谐波检测方法示意图； 图4是本发明基于锁相环与神经网络相结合的谐波检测的有源电力滤波器工作流程图。
具体实施例方式首先采集足够多的三相电网电流数据信号样本，离线状态下对其进行傅里叶变换，计算出基波电流幅值。将采集的三相电流信号和上一个工频周期内计算出的三相电流峰值作为神经网络的输入，傅里叶变换计算出的三相电流基波幅值作为神经网络的输出， 隐层取35个神经元，对该神经网络进行离线训练，神经网络的结构如图1所示。将训练好的神经网络放入有源电力滤波器系统中，实时地根据输入计算基波电流幅值。同时，三相电流经过锁相环后得到幅值为1，相位与基波幅值相同的正弦信号，将此信号与神经网络计算出的电流基波幅值相乘便可得到基波电流信号，此时，用原采集的三相电流信号减去计算出的基波电流信号，就可以得到纯谐波信号，其谐波计算过程如图2、3 所示。利用该方法检测出的纯谐波电流对有源电力滤波器主电路进行控制，使主电路产生与电网相反的谐波电流注入电网，将谐波电流抵消，使电网电流达到规定水平，从而实现了谐波的抑制过程，有源电力滤波器的整个工作过程如图4所示。其中，谐波检测环节由数字信号处理器DSP实现，主电路控制环节由FPGA实现。由于本文提出的方法没有涉及到低通滤波器成分，因而避免了由于低通滤波器的差分方程造成系统上的延迟，且神经网络的构成基本由乘法和加法运算构成，非常适合DSP的实现，此外，离线神经网络训练的输出只需要基波幅值，利用传统的傅里叶变换就可以计算出来，并不复杂，因此，这套检测方法也适用于工程上的应用。
权利要求
1. 一种基于锁相环和神经网络相结合的谐波检测方法，其特征在于，包括如下具体步骤1)神经网络的建立采集三相电网电流数据信号样本，离线状态下对其进行傅里叶变换，计算出基波电流幅值，将采集的三相电流信号和上一个工频周期内计算出的三相电流峰值作为神经网络的输入，傅里叶变换计算出的三相电流基波幅值作为神经网络的输出；2)基波电流信号将神经网络放入有源电力滤波器系统中，实时地根据输入计算基波电流幅值；同时采集三相电网电流经过锁相环后得到幅值为1，相位与基波幅值相同的正弦信号，将此得到的正弦信号与神经网络计算出的电流基波幅值相乘得到基波电流信号；3)用步骤2)采集的三相电网电流信号减去步骤2)计算出的基波电流信号，就可以得到纯谐波信号。
全文摘要
本发明涉及一种基于锁相环和神经网络相结合的谐波检测方法，三相电流经过锁相环后得到幅值为1，相位与基波幅值相同的正弦信号，将此得到的正弦信号与神经网络计算出的电流基波幅值相乘得到基波电流信号，将采集的三相电网电流减去基波电流信号，得到没有纯谐波信号，此方法未涉及到低通滤波器成分，因而避免了由于低通滤波器的差分方程造成系统上的延迟，且神经网络的构成基本由乘法和加法运算构成，非常适合DSP的实现，此外，离线神经网络训练的输出只需要基波幅值，利用传统的傅里叶变换就可以计算出来，并不复杂，提高谐波检测的精度和实时性。也适用于工程上的应用。
文档编号G01R23/165GK102288820SQ20111022322
公开日2011年12月21日 申请日期2011年8月5日 优先权日2011年8月5日
发明者肖川, 郑益文, 马立新 申请人:上海理工大学