一种基于粒子群优化算法的间谐波分析方法

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (292 KB)
输出: BibTeX | EndNote (RIS)

摘要电网中常存在许多频率与基波成非整数倍的间谐波, 准确分析间谐波特征对电力系统具有重要意义。本文首次将粒子群优化算法应用于电力系统间谐波分析, 提出了一种BT谱估计与粒子群优化算法相结合的间谐波分析方法。首先通过BT谱估计获取间谐波信号模型的阶数, 并得到信号中谐波/间谐波的个数及频率初值, 然后应用改进粒子群优化算法对谐波/间谐波的幅值和相位进行参数优化估计, 最终实现了间谐波幅值、频率和相位三个特征的较高精度分析。仿真实验结果验证了方法的有效性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：间谐波, BT谱估计, 粒子群优化, 参数优化

Abstract：There are often some inter-harmonics in power system, which has not integer times of fundamental frequency. A new approach is presented for inter-harmonics analysis based on BT spectrum analysis and particle swarm optimization (PSO). The method uses BT spectrum analysis to estimate the order of the inter-harmonics model, and obtains number and frequencies of harmonics. Then PSO algorithm is applied to optimize the harmonic parameters, amplitude and initial phase. The simluation results indicate the effectiveness of the proposed method.

Key words： Inter-harmonics BT spectrum analysis PSO parameter optimization

收稿日期: 2008-04-17 出版日期: 2014-02-18

PACS:

TM711

基金资助:国家自然科学基金资助项目（60774011）

作者简介: 吕干云男, 1976年生, 博士, 副教授, 主要研究方向为电力系统电能质量、人工智能在电力系统中的应用。方奇品男, 1982年生, 硕士研究生, 主要研究方向为电能质量检测、识别与监测系统硬件设计。

引用本文:

吕干云, 方奇品, 蔡秀珊. 一种基于粒子群优化算法的间谐波分析方法[J]. 电工技术学报, 2009, 24(12): 156-161. Lü Ganyun, Fang Qipin, Cai Xiushan. A Method for Inter-Harmonics Analysis Based on PSO. Transactions of China Electrotechnical Society, 2009, 24(12): 156-161.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2009/V24/I12/156

[1] IEC 61000-2-1, Electromagnetic compatibility, Part 2 environment, Sect. I: description of the environment- electromagnetic environment for low-frequency conducted disturbances and signaling in public power supply systems[S].
[2] 祁才君, 王小海. 基于插值FFT算法的间谐波参数估计[J]. 电工技术学报, 2003, 18(1): 92-95.
[3] 丁屹峰, 程浩忠, 吕干云, 等. 基于Prony算法的谐波和间谐波频谱估计[J]. 电工技术学报, 2005, 20(10): 94-97.
[4] 马秉伟, 刘会金, 周莉, 等. 一种基于自回归模型的间谐波谱估计的改进算法[J]. 中国电机工程学报, 2005, 25(15): 79-83.
[5] 武艳华, 黄纯, 邢耀广, 等. 基于AR模型的间谐波检测算法的研究[J]. 继电器, 2006, 34(2): 41-45.
[6] 向东阳, 王公宝, 马伟明, 等. 基于FFT和神经网络的非整数次谐波检测方法[J]. 中国电机工程学报, 2005, 25(9): 35-39.
[7] 薛蕙, 杨仁刚. 基于连续小波变换的非整数次谐波测量方法[J]. 电力系统自动化, 2003, 27(5): 49-53.
[8] 薛蕙, 杨仁刚, 罗红. 利用小波包变换实现电力系统谐波分析[J]. 电网技术, 2004, 28(5): 41-45.
[9] 吕干云, 冯华君, 朱更军, 等. 基于S变换的电力系统间谐波检测[J]. 仪器仪表学报, 2006, 27(6): 1676-1682.
[10] 蔡忠法, 陈隆道. 基于AR谱估计和Adaline神经元的间谐波分析[J]. 电力系统自动化, 2007, 31(17): 78-82.
[11] Kennedy J, Eberhart R. Particle swarm optimization[C]. Proceedings of IEEE International Conference on Neural Networks, 1995 (4): 1942- 1948.
[12] 沈茂亚, 丁晓群, 王宽, 等. 自适应免疫粒子群算法在动态无功优化中应用[J]. 电力自动化设备, 2007, 27(1): 31-35.
[13] 马豫超, 侯志俭, 蒋传文, 等. 基于粒子群算法求解电力市场发电商最优供给函数模型[J]. 电力系统自动化, 2006, 30(2): 45-50.
[14] 刘玲, 严登俊, 龚灯才, 等. 基于粒子群模糊神经网络的短期电力负荷预测[J]. 电力系统及其自动化学报, 2006, 18(3): 47-50.
[15] 张贤达. 现代信号处理[M]. 北京: 清华大学出版社, 2002.
[16] Zbigniwe Leonowize, Tadeusz Lobos, Jacek Rezmer. Advanced spectrum estimation methods for signal analysis in power electronics[J]. IEEE Trans. on Industrial Electronics, 2003, 50(3): 514-519.