[发明专利]应用于兆瓦级变流器的小波网络电流瞬时值检测方法有效
申请号: | 201310289716.3 | 申请日: | 2013-07-10 |
公开(公告)号: | CN103344823A | 公开(公告)日: | 2013-10-09 |
发明(设计)人: | 戴瑜兴;郜克存;郑崇伟;全惠敏;张正江 | 申请(专利权)人: | 温州大学 |
主分类号: | G01R19/25 | 分类号: | G01R19/25 |
代理公司: | 长沙正奇专利事务所有限责任公司 43113 | 代理人: | 马强 |
地址: | 32503*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种应用于兆瓦级变流器的小波网络电流瞬时值检测方法,将变流器电流采样值作为小波神经网络的输入向量,将滤波后的变流器电流输出值作为小波神经网络的输出向量,选取Morlet小波函数,利用计算样本重心的方法初始化小波神经网络中间隐层的伸缩参数和平移参数,并利用伸缩参数和平移参数,采用梯度下降法,调整网络参数,求得滤波后的变流器电流输出值。本发明无需对变流器三相网侧电流进行实时采样,保证了变流器系统稳定可靠,提高了电流瞬时值检测的准确性,提高了电流环路的动态性能;本发明的方法实现方便,运算量小,且有很好的稳定性和抗扰性,是一种非常理想的检测方法。 | ||
搜索关键词: | 应用于 兆瓦 变流器 网络 电流 瞬时值 检测 方法 | ||
【主权项】:
1.一种应用于兆瓦级变流器的小波网络电流瞬时值检测方法,其特征在于,该方法为:1)设未经滤波的变流器电流采样值xr=[x1,x2,…,xn]T为小波神经网络的输入向量,设滤波后的变流器电流输出值yr=[y1,y2,…,ym]T为输出向量,输出层到隐层的权值为wij,隐层到输入层的权值为wjk,中间隐层的伸缩参数和平移参数分别为aj和bj,隐层神经元数为N,i=1,2,…,m;j=1,2,…,N;k=1,2,…,n;n为输入节点数,m为输出节点数;2)初始化伸缩参数aj和平移参数bj;3)输入学习样本对(xr,yr),r=1,2,…,n;4)利用所述学习样本对对应的伸缩参数aj和平移参数bj计算输出向量yr,所述输出向量yr的计算公式为:y r = f i ( t ) = Σ j = 1 N w ij Ψ a , b ( net j ) , ]]> 其中,net j = Σ k = 1 n w jk x k ( t ) , ]]>Ψ a , b ( net j ) = Ψ ( net j - b j a j ) , ]]> Ψ()为选取的小波函数;fi(t)为小波函数第i个输出向量的表达式;5)采用BP算法训练所述小波神经网络,取优化目标函数E为:E = 0.5 Σ p = 1 N Σ i = 1 n [ d i ( p ) - y i ( p ) ] 2 , ]]> 其中,
为输入样本p第i个输出节点的期望输出电流,
为输入样本p第i个输出节点的实际输出电流;p=xr;6)计算优化目标函数E的瞬时梯度向量:∂ E ∂ w ij ( n ) = Σ p = 1 N ( d i ( p ) - y i ( p ) ) y i ( p ) ( 1 - y i ( p ) ) Ψ b j a j p ( net j ) , ]]>∂ E ∂ w ij ( n ) = Σ p = 1 N Σ k = 1 n ( d i ( p ) - y i ( p ) ) y i ( p ) ( 1 - y i ( p ) ) w ij ( p ) Ψ b j a j ′ p ( net j ) x k ( p ) a j ( p ) , ]]>∂ E ∂ a j ( n ) = Σ p = 1 N Σ k = 1 n ( d i ( p ) - y i ( p ) ) y i ( p ) ( 1 - y i ( p ) ) w ij ( p ) Ψ b j a j ′ p ( net j ) net j ( p ) - b j ( p ) ( a j ( p ) ) 2 , ]]>∂ E ∂ b j ( n ) = Σ p = 1 N Σ k = 1 n ( d i ( p ) - y i ( p ) ) y i ( p ) ( 1 - y i ( p ) ) w ij ( p ) Ψ b j a j ′ p ( net j ) 1 a j ( p ) ]]> 其中,wij(n)、wjk(n)分别为当前输出层到隐层的权值和当前隐层到输入层的权值;aj(n)和bj(n)分别为当前中间隐层的伸缩参数和平移参数;
为输入样本p第j个输出节点中间隐层的伸缩参数;
为输入样本p第j个输出节点输出层到隐层的权值;
()为[ba,p]区间内小波函数;
为输入样本p第i个输出节点的实际输出电流;7)利用上述各瞬时梯度向量得到以下权值迭代公式:w jk ( n + 1 ) = w jk ( n ) - η jk ∂ E ∂ w jk ( n ) , ]]>w ij ( n + 1 ) = w ij ( n ) - η ij ∂ E ∂ w ij ( n ) , ]]>a j ( n + 1 ) = a j ( n ) - η a ∂ E ∂ a j ( n ) , ]]>b j ( n + 1 ) = b j ( n ) - η b ∂ E ∂ b j ( n ) ; ]]> 其中,ηij,ηjk,ηa,ηb分别为参数wij,wjk,aj,bj的学习速率;wjk(n+1)、wij(n+1)分别为下一次学习的输出层到隐层的权值和隐层到输入层的权值,aj(n+1)、bj(n+1)分别为下一次学习的中间隐层的伸缩参数和平移参数;8)当E<10-5,或者达到最大学习次数105时,终止学习;否则,返回3),输入另一个样本对,进行下一次学习。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于温州大学,未经温州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310289716.3/,转载请声明来源钻瓜专利网。