基于多层感知器人工神经网络的频谱中谐波诊断解决方案

《IEEE Transactions on Industry Applications》：Multilayer Perceptron Artificial Neural Network-Based Solution for Interharmonics Diagnosis in Frequency Spectra

现代电网中电力电子设备和可再生能源系统带来的间谐波问题，IEC 61000-4-7标准在识别和频率估计上存在不足。本文提出基于多层感知机人工神经网络的新型解决方案，通过标准化间谐波组别验证和频率估计实现100%识别准确率及1.17%平均相对误差，并在变转速驱动的小型发电系统中验证有效性。

　　

摘要：

由于电力电子设备、可再生能源系统及相关技术的快速发展，谐波分析变得越来越重要。IEC 61000-4-7标准规定了频谱中谐波幅值的计算方法；然而，该标准在谐波识别和频率估计方面存在不足，因此文献中出现了一些不遵循IEC 61000-4-7框架的替代解决方案。本研究提出了一种基于多层感知器人工神经网络的新型谐波诊断方法。作为后处理技术，该方法采用了IEC 61000-4-7中定义的谐波组，并通过验证测量到的含噪声信号频谱中是否存在谐波以及估计所识别谐波的频率来补充标准化方法。使用合成信号对提出的方法进行验证，结果显示谐波识别的准确率为100%，频率估计的平均相对误差为1.17%。此外，还评估了采用变频驱动的小型发电系统的实验结果。因此，这种新方法在现代电力网格中的谐波诊断方面具有潜力。

引言

电力电子设备在现代电力网格中的广泛应用带来了诸多好处，例如提高效率并整合可再生能源[1]、[2]、[3]。然而，这也带来了新的挑战，尤其是在电能质量方面，尤其是电网中产生的谐波失真[4]、[5]、[6]。分布式发电（主要由可再生能源驱动）是谐波失真的一个重要来源，这主要是由于电力转换器的存在以及这些能源本身的特性，例如光伏系统中的最大功率点跟踪算法[7]和可调速驱动器中的转矩振荡[8]、[9]。准确评估这些谐波失真是非常重要的，因为它们会带来不良影响，如增加损耗、干扰控制系统误差以及产生闪烁等现象[10]、[11]。