[发明专利]基于蚁群优化BP神经网络的谐波检测方法及抑制装置

说明书

本发明涉及一种基于蚁群优化BP神经网络的谐波检测方法及抑制装置，所述检测方法包括以下步骤：采集电网中的负载电流和A相相角；将所述负载电流和A相相角作为一经训练的蚁群优化BP神经网络的输入，检测获得基波电流；其中，所述蚁群优化BP神经网络的训练数据集基于i_p‑i_q谐波检测算法在静态时的检测结果构建；所述蚁群优化BP神经网络的权值和阈值基于蚁群算法优化获得。与现有技术相比，本发明具有速度快、精确度高等优点。

技术领域

本发明属于电力电子领域，涉及一种谐波检测方法，尤其是涉及一种基于蚁群优化BP神经网络的谐波检测方法及抑制装置。

背景技术

目前，基于低碳生活和绿色出行的需求下，风电、水电、太阳能发电逐渐替代火力发电，电动汽车也逐渐代替燃油汽车。分布式能源和汽车充电桩接入电网需要大量电力电子器件，给电网带来了大量谐波，严重影响了电网的稳定运行。治理电网谐波的前提是先要把电网中的谐波检测出来。

目前主要有以下几种谐波检测方法：

1)基于瞬时无功功率的i_p-i_q谐波检测方法：该方法由于其超高的检测精度和简单的计算被广泛应用，通过坐标变换、低通滤波器和坐标反变换得到负载基波电流。但该方法受到低通滤波器的影响，有一定延时，导致反应速度慢。当电路中的电流或负载突然出现变化时，在变化后的一小段时间i_p-i_q谐波检测方法失去检测能力，导致电网谐波不能被很好的治理。

2)FFT算法：该算法通过FFT分析得到各次谐波幅值和相位，运算速度快，且易于工程实现。但该算法在实际采样过程中存在频谱混叠、频谱泄漏以及栅栏效应，严重影响谐波检测的精度，难以满足工程应用的误差要求。

3)基于小波变换的谐波检测方法：该方法将一个信号分解为由母小波经伸缩和平移得到一系列函数，这样不仅能得到频率成分还能在时域角度得到该频率的时间位置。但由于小波变换的频带非均匀划分，即低频频带窄而高频频带宽，所以可能产生小波混叠和频谱泄露现象，产生测量误差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可以提高电力系统谐波检测速度和精度的基于蚁群优化BP神经网络的谐波检测方法及抑制装置。

本发明的目的可以通过以下技术方案来实现：

一种基于蚁群优化BP神经网络的谐波检测方法，包括以下步骤：

采集电网中的负载电流和A相相角；

将所述负载电流和A相相角作为一经训练的蚁群优化BP神经网络的输入，检测获得基波电流；

其中，所述蚁群优化BP神经网络的训练数据集基于i_p-i_q谐波检测算法在静态时的检测结果构建；

所述蚁群优化BP神经网络的权值和阈值基于蚁群算法优化获得。

进一步地，所述训练数据集的构建具体包括：

采用i_p-i_q谐波检测算法在静态时对电网进行检测，获得基波电流，并记录对应的负载电流和A相相角；

对所述负载电流、基波电流和A相相角进行多个周期的采样，删除第一个周期的数据，以剩余周期的数据构建所述训练数据集，其中，负载电流和A相相角作为BP神经网络的输入，基波电流作为BP神经网络的期望输出。

进一步地，对剩余周期的数据进行归一化处理后构建所述训练数据集。

进一步地，进行采样的周期数量至少为5。

进一步地，基于蚁群算法优化获得所述权值和阈值的步骤包括：