[发明专利]一种分布式电源谐波的在线检测方法及装置

权利要求书

1.一种分布式电源谐波的在线检测方法，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；

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；

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；

所述计算粒子当前的适应度值，包括：

利用公式计算粒子当前的适应度值；

其中，N为训练样本总数；y_i^h和y_i^a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。

2.根据权利要求1所述的方法，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1所述的方法，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。

4.根据权利要求1所述的方法，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。

5.根据权利要求1所述的方法，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。