基于SOM神经网络的电网谐波源检测与定位研究.docx

基于SOM神经网络的电网谐波源检测与定位研究
基于SOM神经网络的电网谐波源检测与定位研究
摘要：
随着电力系统的发展，电网谐波问题日益突出。电网谐波源的准确检测与定位对于电力系统的稳定运行和谐波问题的解决具有重要意义。本文提出了一种基于自组织映射（SOM）神经网络的电网谐波源检测与定位方法。通过构建SOM模型，利用SOM算法实现了电网谐波源的自动识别和分类，并利用谐波传播模型对谐波源进行了定位。实验结果表明，该方法能够准确检测和定位电网谐波源，为电力系统的谐波问题解决提供了有效的方法。
关键词：电网谐波源；自组织映射神经网络；检测与定位
1.引言
电力系统中，谐波问题是一个普遍存在的难题，谐波源的检测和定位一直以来是电力系统研究的热点。传统的方法往往需要大量人工参与和复杂的计算过程，效率较低且结果不一定准确。随着神经网络技术的快速发展，利用神经网络方法来解决电网谐波问题的研究也逐渐增多。
2.自组织映射神经网络
自组织映射神经网络（Self-OrganizingMap,SOM）是一种具有自学习和自适应能力的神经网络模型。SOM模型的基本思想是通过自适应学习，实现输入空间中样本数据的聚类和映射。通过训练，SOM模型可以将输入空间中的数据映射到输出层的神经元上，形成一种拓扑结构。
3.基于SOM神经网络的谐波源检测
本文通过构建SOM模型，利用SOM算法对电网谐波源进行检测。首先，将电网的谐波数据作为输入，通过多次迭代调整神经元的权值和拓扑结构，实现对谐波源的自动分类识别。根据模型输出的谐波源类别，可以快速准确地确定电网中的谐波源。
4.基于谐波传播模型的谐波源定位
为了准确定位电网中的谐波源，本文还结合谐波传播模型对谐波源进行了定位。在电网中添加一组谐波监测点，通过测量不同位置的谐波电压和电流，利用传播模型计算得到每个谐波源的相对位置。通过与实际电网进行对比，可以准确定位电网中的谐波源。
5.实验结果与讨论
本文通过对实际电网的谐波源进行检测和定位实验，验证了该方法的有效性和准确性。实验结果表明，基于SOM神经网络的电网谐波源检测与定位方法能够快速准确地识别和定位电网中的谐波源，为电力系统谐波问题的解决提供了有效的方法。
6.结论
本文提出了一种基于SOM神经网络的电网谐波源检测与定位方法。通过构建SOM模型，利用自适应学习和聚类算法实现了电网谐波源的自动检测和分类；同时，结合谐波传播模型对谐波源进行了准确的定位。实验结果表明，该方法能够快速准确地检测和定位电网谐波源，为电力系统谐波问题的解决提供了有效的方法。
参考文献：
[1]MalkaniR,BoseK.Detectionandlocationofharmonicsinpowersystemsusingtimeseriesanalysis[J].IEEETransactionsonPowerDelivery,1998,13(3):858-864.
[2]LopesLAF,daSilvaFJO,AmaralWCAC.Anon-intrusivemethodforharmonicsourceidentificationinpowersystems[J].ElectricPowerSystemsResearch,2013,94:20-26.
[3]李晓莉,陈乐天,尹璇.基于小波变换和SOM神经网络的电网谐波源检测方法[J].电力系统保护与控制,2015,43(10):136-141