本文關(guān)鍵詞：基于ACC優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方案，由筆耕文化傳播整理發(fā)布。

【摘要】：有源電力濾波器補(bǔ)償性能與所采用的諧波檢測(cè)方法有很大的依賴關(guān)系,針對(duì)現(xiàn)有的檢測(cè)方法存在精度不高、對(duì)電網(wǎng)頻率變化比較敏感、自適應(yīng)能力不強(qiáng)的缺點(diǎn),提出了一種基于蟻群聚類算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方法。算法通過(guò)對(duì)Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值尋優(yōu),建立了基于ACC-ENN算法的諧波檢測(cè)模型。試驗(yàn)結(jié)果表明,該方法較其他檢測(cè)方法具有更好的泛化能力和更高的預(yù)測(cè)精度。
【作者單位】： 遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;國(guó)網(wǎng)遼寧省電力有限公司遼陽(yáng)供電公司;
【關(guān)鍵詞】： 諧波檢測(cè) 蟻群聚類 Elman神經(jīng)網(wǎng)絡(luò) 參數(shù)選優(yōu) 預(yù)測(cè)精度
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51274118)
【分類號(hào)】：TM935;TP183
【正文快照】： 各種非線性負(fù)荷在電力系統(tǒng)中的大量使用,使得諧波污染在電力系統(tǒng)中的危害越來(lái)越大[1]。由于在電力系統(tǒng)中受很多因素的影響,電網(wǎng)中的諧波很難被精確測(cè)量。為了測(cè)量電網(wǎng)中的諧波含量然后將其補(bǔ)償?shù)?因此,測(cè)量諧波的分量是本工作的重中之重[2]。能夠快速精確的測(cè)量出諧波,是當(dāng)今

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 余向前;路民輝;任琳杰;梁穎;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];電力信息與通信技術(shù);2014年02期

2 王曉霞;馬良玉;王兵樹(shù);王濤;;進(jìn)化Elman神經(jīng)網(wǎng)絡(luò)在實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J];電力自動(dòng)化設(shè)備;2011年12期

3 陳洋;瞿睿;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模糊神經(jīng)網(wǎng)絡(luò)控制的變風(fēng)量空調(diào)設(shè)計(jì)[J];現(xiàn)代建筑電氣;2013年01期

4 劉爽;;基于Elman型神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[J];民營(yíng)科技;2012年12期

5 劉歡;劉吉臻;張文廣;張超;;基于小波Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)[J];華東電力;2013年04期

6 陳前;毛承雄;陸繼明;余翔;;基于改進(jìn)Elman網(wǎng)絡(luò)的最優(yōu)勵(lì)磁控制器[J];大電機(jī)技術(shù);2007年03期

7 李運(yùn)紅;張ng濤;裴未遲;;基于小波包-Elman神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷[J];河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

8 趙建軍;張?jiān)玛?yáng);梁威;;Elman神經(jīng)網(wǎng)絡(luò)在高壓電力計(jì)量系統(tǒng)故障診斷中的應(yīng)用[J];電測(cè)與儀表;2014年13期

9 肖蕾;李郁俠;;基于自適應(yīng)Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)[J];西安理工大學(xué)學(xué)報(bào);2014年01期

10 李如琦;孫艷;孫志媛;唐卓貞;;基于PSRT與Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷多步預(yù)測(cè)[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2007年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 張巧;基于改進(jìn)免疫算法和Elman神經(jīng)網(wǎng)絡(luò)的超聲馬達(dá)速度辨識(shí)與控制[D];吉林大學(xué);2006年

2 郭姣姣;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];遼寧工業(yè)大學(xué);2015年

3 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

4 任麗娜;基于Elman神經(jīng)網(wǎng)絡(luò)的中期電力負(fù)荷預(yù)測(cè)模型研究[D];蘭州理工大學(xué);2007年

  本文關(guān)鍵詞：基于ACC優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方案，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：421839