基于改進(jìn)的神經(jīng)網(wǎng)絡(luò )油田配電網(wǎng)諧波預測研究

1 引言

油田配電網(wǎng)中大量使用變頻、整流和開(kāi)關(guān)電源技術(shù)制造的節能設備,特別是變頻調速電機、永磁同步電機、變頻器、高頻開(kāi)關(guān)電源等新型節能設備以及非線(xiàn)性電子設備如節能燈、計算機和家用電器等非線(xiàn)性負荷,這些設備在節約能源和提高生產(chǎn)效率的同時(shí),也產(chǎn)生了大量的電力諧波并注入到電網(wǎng)中,使供電質(zhì)量變壞,對電氣設備產(chǎn)生極大的危害[1]。

針對諧波的危害,可按照配電網(wǎng)的結構、參數和負荷情況,通過(guò)電能質(zhì)量分析,檢測系統的諧波參數和諧波幅值,并通過(guò)計算分析判斷電力系統中的電壓電流波形畸變是否控制在允許的范圍內、并給出預警預報。對油田配電網(wǎng)來(lái)說(shuō),通過(guò)頻率掃描,諧波計算可以選擇合適的濾波器,使其對電網(wǎng)的諧波污染控制在標準范圍之內,并預防諧振事故的發(fā)生。

隨著(zhù)我國工業(yè)化進(jìn)程的不斷加快,對電能質(zhì)量的要求也越來(lái)越高,然而現實(shí)卻是越來(lái)越嚴峻,日趨嚴重的“電力污染”問(wèn)題不僅對油田配電網(wǎng)的安全穩定的運行造成危害,而且很容易出現某些問(wèn)題,而造成無(wú)法挽回的巨大經(jīng)濟損失[2]。所以,諧波及其治理將是科研工作者和企業(yè)亟待解決的問(wèn)題。

本文首先針對有天油田配電網(wǎng)的機構特性,建立模擬的諧波產(chǎn)生規律模型,采用神經(jīng)網(wǎng)絡(luò )進(jìn)行預測預報,

并通過(guò)MATALB進(jìn)行仿真研究。

2 油田配電網(wǎng)諧波系統模型分析

油田配電網(wǎng)結構復雜,網(wǎng)絡(luò )系統結構中諧波成分很不相同,畸變波形也是千差萬(wàn)別,收集所有類(lèi)型的畸變波形具有很大難度,況且并不是所有的畸變波形都可以用作訓練樣本的。因此很難從建立一個(gè)理論上的具有一定精度的數學(xué)模型。從對油田配電網(wǎng)中典型的非線(xiàn)性負載所產(chǎn)生的畸變波形的研究分析發(fā)現,偶次諧波成分占得比重不大,奇次諧波比重較高且危害很大,并且從分析中發(fā)現,任一奇次諧波的幅值一般情況下不會(huì )超過(guò)基波幅值的50%,諧波次數越高幅值越小。因而在實(shí)際測量的時(shí)候,我們可以只需要測量其中的奇次諧波。

電力系統中的一些非正弦周期電流可用傅立葉級數展開(kāi):

假設奇次諧波以一定的幅度逐漸由0開(kāi)始遞增,但上限為基波幅度的50%,為簡(jiǎn)化模型,油田配電網(wǎng)中5次和7次諧波危害嚴重,因此,本文假設測量諧波電流中的只存在5次諧波,則模型變?yōu)?

式(2)中,假設初相角一定的情況下,為實(shí)現5次諧波幅值的預測,首先確定(2)式中的三個(gè)電流變量,等式左邊總的電流值變量和等式右邊的基波電流值變量為輸入,等式右邊的五次諧波電流值變量為輸出,且其幅值可以從基數值按比例增加到50%以上。

圖1 神經(jīng)網(wǎng)絡(luò )模型結構

神經(jīng)網(wǎng)絡(luò )建模的模型如圖1所示[3],輸入為總的電流值和基波電流值,輸入樣本可以選擇一個(gè)周期的隨機值,輸出為5次諧波的幅值。隱含層神經(jīng)元數量為8個(gè),隱含層個(gè)數要根據實(shí)際仿真時(shí)的訓練樣本數據分析情況進(jìn)行適當調整,沒(méi)有具體的確定方案,以模型輸出誤差和神經(jīng)網(wǎng)絡(luò )權值、閾值作為調整的依據。

3 基于神經(jīng)網(wǎng)絡(luò )的配電網(wǎng)諧波預測研究步驟

根據油田配電網(wǎng)諧波結構的特點(diǎn),本文采用BP神經(jīng)網(wǎng)絡(luò )進(jìn)行諧波預測,實(shí)現步驟如下[4-5]:

(1) 數據采集與數據的歸一化。

主要包括和油田配電網(wǎng)諧波預測相關(guān)的電壓、電流、諧波波次幅值等參數。

(2) 訓練樣本、測試樣本和校驗樣本的建立。

(3) 構建神經(jīng)網(wǎng)絡(luò ),以總電流和基波電流為輸入,以5次諧波幅值為輸出,隱含層選擇8個(gè)進(jìn)行構建神經(jīng)網(wǎng)絡(luò )。

(4) 指定訓練參數進(jìn)行訓練。

(5) 完成訓練后,就可以調用訓練結果,輸入測試數據,進(jìn)行測試。

(6) 數據進(jìn)行反歸一化。

(7) 誤差分析。

4 基于BP神經(jīng)網(wǎng)絡(luò )的諧波發(fā)生預測仿真研究

BP網(wǎng)絡(luò )作為一種多層前向神經(jīng)網(wǎng)絡(luò ),具有相對比較成熟的理論和算法,是目前在該領(lǐng)域研究比較多的ANN,它可以實(shí)現從輸入到輸出的任意非線(xiàn)性映射。這種BP網(wǎng)絡(luò )可以在油田配電網(wǎng)系統中用于對諧波進(jìn)行實(shí)時(shí)測量。這是因為電網(wǎng)中的被測量是由各次諧波和基波所構成的非正弦周期波形。實(shí)現對諧波信息的實(shí)時(shí)測量,首先需要根據實(shí)際的情況選擇相應的網(wǎng)絡(luò )結構,然后將待測量的采樣數據施加在經(jīng)過(guò)合理樣本充分訓練后的網(wǎng)絡(luò )中。因為相角、幅值變化范圍大并且不具有規律,所以同時(shí)改變相角和幅值來(lái)對網(wǎng)絡(luò )訓練的話(huà),將會(huì )增加網(wǎng)絡(luò )的負擔,因其同時(shí)負擔兩種變化的記憶,如此一來(lái),對諧波測量的速度和精度都會(huì )造成很大的影響,因而本文是以假設初相角己經(jīng)確定為前提的狀態(tài)下。