[发明专利]基于神经网络的自适应谐波检测方法及检测电路

说明书

本发明公开了一种基于神经网络的自适应谐波检测方法及检测电路。检测方法包括1)得到LMS算法的原始输入和参考输入；2)进行LMS算法计算：3)得到窄带输出和陷波输出。检测电路硬件采样部分，硬件采样部分包括电流检测传感器、二级采样调理电路、MUC和电源模块。电流检测传感器的信号输出端连接二级采样调理电路的信号输入端。二级采样调理电路的信号输出端输入至MCU。电源模块为电流检测传感器、二级采样调理电路、MUC三个部分供电。本发明能够不增加任何硬件采样的成本，仅通过修改软件算法的检测方式，就能够准确提取出逆变器发生的软件谐波，较市面上主流的傅里叶谐波检测方法，具有计算量小，谐波检测精度高的优点。

技术领域

本发明涉及谐波检测方法，具体涉及一种基于神经网络的自适应谐波检测方法。

背景技术

谐波问题是制约并网逆变器发展的最主要的问题之一，经过DC/AC变换后的并网输出电流含有大量谐波，而且在大功率并联式并网逆变器的应用中，谐波含量是可以通过线缆叠加的，故存在超过电网承受限制的风险。除此之外，大功率并网发电设备的输出电流往往需要通过高压输电方式远距离输送至负荷中心，由于高压输电线分布式电容的存在，会对谐波电压和谐波电流分布产生影响。严重情况下会产生谐波电流的并联谐振从而对电网造成极大的危害。

神经网络ANN算法具有能够检测任意指定次谐波，并且具有很好的动态性能和检测精度。相比傅里叶谐波检测方法而言，其突出的有点为计算量要小很多，对嵌入式MCU的要求要低很多，故其应用空间更加广阔；但其缺点也显而易见，整体算法的复杂程度要比傅里叶谐波检测方法大很多。

神经网络自适应谐波检测算法的主要作用是精确检测电网中的谐波分量，为后续消除谐波分量提供检测基础。

目前，市场上主流的谐波检测方法为以如下的式(6)作为核心算法的检测方法，即傅里叶谐波检测方法，由于傅里叶检测方法需要在嵌入式MCU中去解复杂的多维矩阵，且其随着谐波次数越高，需要解析的矩阵维度就越多，故其整体的检测计算量很大，这样就对于应用的嵌入式MCU在计算速度上面就有很高的要求。

发明内容

针对现有技术的不足，本发明提出了一种基于神经网络的自适应谐波检测方法。

本发明的技术方案如下：

一种基于神经网络的自适应谐波检测方法，包括：

1)以并网逆变器通过PLL环锁定的、带有电网的相位信息ω的信号作为LMS算法的原始输入为：

d_k＝C₁cos(ωt+φ)+a (1)

式(1)中，d_k为PLL环锁相出来的实际电源信号表达式；C₁为该正弦电源信号的幅值；ω为该电源信号的角频率；φ为该电源信号的初始相角；a为该电源信号的偏移幅值；

以并网逆变器的PLL环提取的、带有电网电压的相位信息ω的信号作为参考输入；参考输入有两路，第一路参考输入x_1k和第二路参考输入x_2k分别为：

式(2)中，C为参考频率为ω₀正弦信号的幅值；cosω₀kT为参考输入离散信号的第k次表达式；T为电网时间参数；ω₀为电网角频率，为电网初始相角；

2)进行LMS算法：