基于神经网络的二次谐波检测研究

被引:15
作者
郝淑娟
何巍巍
刘永皓
崔海瑛
邱忠阳
机构
[1] 大庆师范学院
关键词
电网; 二次谐波检测; 神经网络; 小波变换; 噪声对消; 谐波失真;
D O I
10.16652/j.issn.1004-373x.2018.18.040
中图分类号
TM711 [网络分析、电力系统分析];
学科分类号
083903 [网络与系统安全];
摘要
针对传统检测方法在检测电网谐波时,一直存在对二次谐波电压及电流含有率检测不准确,谐波失真的问题,提出基于神经网络的二次谐波检测方法。以谐波检测原理为依据,采用奈奎斯特定理,对二次谐波信号进行采集,并通过小波变换将二次谐波信号划分为低频信号和高频信号,通过FFT算法处理低频信号,并对谐波信号进行自适应噪声对消处理,引入神经网络算法,选取激活函数及初始权值,实现对二次谐波的检测。实验结果表明,采用改进方法对二次谐波的检测,相比传统检测方法,其检测结果准确,失真率降低,具有一定的实用性。
引用
收藏
页码:170 / 173
页数:4
相关论文
共 10 条
[1]
基于概率神经网络的IPv6入侵检测技术研究 [J].
贺静 ;
徐成武 ;
任密林 .
太原理工大学学报, 2017, 48 (06) :969-972+983
[2]
基于深度神经网络的轴承状态监测研究 [J].
刘叶鹏 ;
孙孝君 ;
庄新颖 ;
于霞 ;
马维维 .
制造技术与机床, 2017, (08) :76-80
[3]
基于PSO神经网络的定子电流信号谐波检测 [J].
叶圣超 ;
朱希安 .
科技通报, 2017, (05) :198-202
[4]
基于改进卷积神经网络的人体检测研究 [J].
左艳丽 ;
马志强 ;
左宪禹 .
现代电子技术, 2017, 40 (04) :12-15
[5]
基于神经网络的物联网设备环境监测技术研究 [J].
潘翔 .
现代电子技术, 2017, 40 (03) :12-14
[6]
基于BP神经网络和全相位快速傅里叶变换的电力系统谐波检测技术研究 [J].
曹英丽 ;
尹希哲 .
现代电子技术, 2017, 40 (01) :125-128+133
[7]
基于BP神经网络的光伏故障电弧检测方法研究 [J].
吴春华 ;
冯夏云 ;
袁同浩 ;
李智华 ;
钟洋 .
太阳能学报, 2016, 37 (11) :2958-2964
[8]
基于卷积神经网络的虹膜活体检测算法研究 [J].
李志明 .
计算机工程, 2016, 42 (05) :239-243+248
[9]
基于BP神经网络的云相态检测方法研究 [J].
熊贤成 ;
杨春平 ;
敖明武 ;
郭晶 ;
曾丹丹 .
遥感技术与应用, 2015, 30 (04) :714-718
[10]
基于BP神经网络的驾驶员疲劳监测研究 [J].
陈志勇 ;
杨佩 ;
彭力 ;
莫子兴 ;
蔡岗 .
计算机科学, 2015, 42(S1) (S1) :67-69+93