[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

摘要

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。

主权项

一种基于神经网络的自适应谐波检测方法，其特征在于包括：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：$\begin{array}{c}{w}_{1,k+1}=w_{1,k}+2{\mathrm{\μe}}_k{x}_{1k}\\ w_{2,k+1}=w_{2,k}+2{\mathrm{\μe}}_k{x}_{2k}\end{array}---\left(3\right)$式(3)中，w_1.k为神经网络中神经元第一路输入在第k次采样的权值；w_2,k为神经网络中神经元第二路输入在第k次采样的权值；神经元第一路输入的初始值和第二路的输入的初始值均设置为任意值；μ为神经元学习率；e_k为原始输入信号与窄带输出的误差，即陷波输出e_k；3)得到窄带输出y_k为：y_k＝2μC²cosω₀kT  (4)。