[发明专利]基于改进型小波神经网络的谐波检测方法

摘要

本发明公开了一种基于改进型小波神经网络的谐波检测方法，包括：根据小波神经网络原理建立网络结构，设定网络初始值，权值参数采用自相关修正方法，确定权值w_jk，根据权值确定伸缩参数a_j和平移参数b_j，隐含层传播函数选用Morlet小波函数，输入层节点数由信号的采样点数确定，隐含层节点数采用计算隐含层节点经验公式；确定网络训练算法，采用附加动量项的训练算法来平滑权值学习路径，当前一次修正过大，附加动量项的训练算法能减少当前的修正量，反之亦然。本发明引入网络参数的自修正算法，改善网络的收敛性。避免了网络训练陷入局部最小导致检测的精度低的问题，利用附加动量项的训练算法平滑学习路径，提高了电网谐波检测精度。

主权项

1.基于改进型小波神经网络的谐波检测方法，其特征在于，包括以下步骤：S1.根据小波神经网络原理建立网络结构，选用单输入、单隐层、单输出结构；S2.设定网络初始值，权值参数采用自相关修正方法，确定权值wjk，根据权值确定伸缩参数aj和平移参数bj，隐含层传播函数选用Morlet小波函数，输入层节点数由信号的采样点数确定，隐含层节点数采用计算隐含层节点经验公式；所述权值的自相关修正步骤为：将区间[‑1,1]上的随机数付给权值wjk，再对wjk进行归一化得到w'jk：再乘以自相关系数c：w”jk＝c·N1/m·w'jk最终选定输入至隐含层的权值为：伸缩和平移参数的初始自相关修正为：xkmax、xkmin为样本输入到第k节点的最大值和最小值，t*为Morlet小波函数时域中心，Δt为时域半径；S3.确定网络训练算法，采用附加动量项的训练算法平滑权值学习路径。