有神經(jīng)元連接，其中輸 入層的神經(jīng)元與競(jìng)爭(zhēng)層的神經(jīng)元的一次連接對(duì)應(yīng)一個(gè)連接權(quán)值；競(jìng)爭(zhēng)層的每個(gè)神經(jīng)元所對(duì) 應(yīng)的所有連接權(quán)值構(gòu)成其自身的參考向量；競(jìng)爭(zhēng)層中的神經(jīng)元與輸出層中的神經(jīng)元一一對(duì) 應(yīng)連接；輸出層，用于對(duì)外輸出電能質(zhì)量信號(hào)諧波及間諧波信息的檢測(cè)結(jié)果。
[0117] 模型優(yōu)化模塊32,通過(guò)PS0優(yōu)化電能質(zhì)量檢測(cè)模型，給電能質(zhì)量檢測(cè)模型的各個(gè) 連接權(quán)值賦值。粒子群通過(guò)迭代更新，找出適應(yīng)度值最優(yōu)的粒子，以此最優(yōu)的粒子給電能質(zhì) 量檢測(cè)模型中的連接權(quán)值賦值，使得輸入一組訓(xùn)練樣本的時(shí)候，輸出的分類結(jié)果的誤差盡 可能小。
[0118] 在實(shí)際使用中，可以使用DSP芯片實(shí)現(xiàn)模型構(gòu)建模塊31、模型優(yōu)化模塊32和諧波 檢測(cè)模塊33 ;同時(shí)，依次利用電壓或電流互感器、信號(hào)調(diào)理電路和信號(hào)轉(zhuǎn)換電路采集電流 質(zhì)量信號(hào)，并將電流質(zhì)量信號(hào)輸入至電能質(zhì)量檢測(cè)模型；還可以通過(guò)FPGA進(jìn)行數(shù)據(jù)的傳輸 以及各種指令的傳遞。
[0119] 所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以 存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō) 對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì) 算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備（可以是個(gè) 人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。 而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器（ROM，Read-OnlyMemory)、隨機(jī)存取 存儲(chǔ)器（RAM，RandomAccessMemory)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0120] 相同或相似的標(biāo)號(hào)對(duì)應(yīng)相同或相似的部件；
[0121] 附圖中描述位置關(guān)系的用于僅用于示例性說(shuō)明，不能理解為對(duì)本專利的限制；
[0122] 顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說(shuō)明本發(fā)明所作的舉例，而并非是對(duì) 本發(fā)明的實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可 以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。凡在本 發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求 的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種分布式電源諧波檢測(cè)方法，其特征在于，包括： 基于學(xué)習(xí)向量量化LVQ神經(jīng)網(wǎng)絡(luò)構(gòu)建電能質(zhì)量檢測(cè)模型； 利用粒子群算法PSO優(yōu)化所述電能質(zhì)量檢測(cè)模型； 利用優(yōu)化后的所述電能質(zhì)量檢測(cè)模型，依據(jù)輸入的電能質(zhì)量信號(hào)中的諧波信息，對(duì)所 述電能質(zhì)量信號(hào)的諧波及間諧波擾動(dòng)進(jìn)行檢測(cè)。2. 根據(jù)權(quán)利要求1所述的分布式電源諧波檢測(cè)方法，其特征在于，所述電能質(zhì)量檢測(cè) 模型包括分別由多個(gè)神經(jīng)元組成的輸入層、競(jìng)爭(zhēng)層及輸出層； 所述輸入層中的每個(gè)神經(jīng)元分別與所述競(jìng)爭(zhēng)層中的所有神經(jīng)元連接，其中所述輸入層 的神經(jīng)元與所述競(jìng)爭(zhēng)層的神經(jīng)元的一次連接對(duì)應(yīng)一個(gè)連接權(quán)值；所述競(jìng)爭(zhēng)層的每個(gè)神經(jīng)元 所對(duì)應(yīng)的所有所述連接權(quán)值構(gòu)成其自身的參考向量； 所述競(jìng)爭(zhēng)層中的神經(jīng)元與所述輸出層中的神經(jīng)元一一對(duì)應(yīng)連接； 所述輸出層，用于對(duì)外輸出所述電能質(zhì)量信號(hào)諧波及間諧波的檢測(cè)結(jié)果。3. 根據(jù)權(quán)利要求2所述的分布式電源諧波檢測(cè)方法，其特征在于，所述利用PSO優(yōu)化所 述電能質(zhì)量檢測(cè)模型包括： 建立粒子群，其中所述粒子群中粒子的位置的分量與所述電能質(zhì)量檢測(cè)模型中的連接 權(quán)值一一對(duì)應(yīng)； 利用粒子群迭代算法，迭代更新所述粒子群中所有粒子的位置和速度； 其中，每次更新粒子的位置和速度后，均計(jì)算每個(gè)粒子的最優(yōu)適應(yīng)度位置，并利用得到 的粒子的最優(yōu)適應(yīng)度位置獲取粒子群的最優(yōu)適應(yīng)度位置，以及，利用所述粒子群的最優(yōu)適 應(yīng)度位置更新所述電能質(zhì)量檢測(cè)模型中的所有所述連接權(quán)值； 當(dāng)所述粒子群迭代算法達(dá)到設(shè)定的迭代次數(shù)，或，所述電能質(zhì)量檢測(cè)模型的實(shí)際輸出 和預(yù)期輸出的差值滿足預(yù)設(shè)范圍時(shí)，停止對(duì)粒子群中粒子位置和速度的更新。4. 根據(jù)權(quán)利要求3所述的分布式電源諧波檢測(cè)方法，其特征在于，所述建立粒子群，包 括： 建立初始種群數(shù)目為n，以及迭代次數(shù)為T(mén)的粒子群，其中所述粒子群中的粒子的維度 為所述電能質(zhì)量檢測(cè)模型中所有連接權(quán)值的數(shù)目，并隨機(jī)產(chǎn)生所述粒子群中所有粒子的初 始位置和初始速度，以及確定每個(gè)粒子初始的最優(yōu)適應(yīng)度位置和所述粒子群初始的最優(yōu)適 應(yīng)度位置； 建立所述粒子群中粒子的位置的分量與所述電能質(zhì)量檢測(cè)模型中的連接權(quán)值的一一 對(duì)應(yīng)關(guān)系。5. 根據(jù)權(quán)利要求3所述的分布式電源諧波檢測(cè)方法，其特征在于，所述利用粒子群迭 代算法，迭代更新所述粒子群中所有粒子的位置和速度，包括： 依次判斷每個(gè)粒子的當(dāng)前位置是否小于和其對(duì)應(yīng)的設(shè)定位置，且判斷每個(gè)粒子的當(dāng)前 速度是否小于和其對(duì)應(yīng)的設(shè)定速度，如果當(dāng)前粒子的判斷結(jié)果均為是，則重新初始化所述 粒子群；如果當(dāng)前粒子的判斷結(jié)果至少有一項(xiàng)為否，則更新當(dāng)前粒子的位置和速度。6. 根據(jù)權(quán)利要求3所述的分布式電源諧波檢測(cè)方法，其特征在于，所述每次更新粒子 的位置和速度后，均計(jì)算每個(gè)粒子的最優(yōu)適應(yīng)度位置，包括： 每次更新粒子的位置和速度后，計(jì)算粒子當(dāng)前的適應(yīng)度值； 依次判斷每個(gè)粒子當(dāng)前的所述適應(yīng)度值是否優(yōu)于其當(dāng)前的最優(yōu)適應(yīng)度位置對(duì)應(yīng)的適 應(yīng)度值，如果是，則利用粒子的當(dāng)前位置替換所述粒子的最優(yōu)適應(yīng)度位置。7. 根據(jù)權(quán)利要求3所述的分布式電源諧波檢測(cè)方法，其特征在于，所述利用得到的粒 子的最優(yōu)適應(yīng)度位置獲取粒子群的最優(yōu)適應(yīng)度位置，包括： 依次判斷每個(gè)粒子當(dāng)前的最優(yōu)適應(yīng)度位置的適應(yīng)度值是否優(yōu)于所述粒子群的最優(yōu)適 應(yīng)度位置的適應(yīng)度值，如果當(dāng)前進(jìn)行判斷的粒子當(dāng)前的最優(yōu)適應(yīng)度位置的適應(yīng)度值優(yōu)于所 述粒子群當(dāng)前的最優(yōu)適應(yīng)度位置的適應(yīng)度值，則將所述粒子群的最優(yōu)適應(yīng)度位置更新為當(dāng) 前進(jìn)行判斷的粒子的最優(yōu)適應(yīng)度位置。8. 根據(jù)權(quán)利要求3所述的分布式電源諧波檢測(cè)方法，其特征在于，所述計(jì)算粒子當(dāng)前 的適應(yīng)度值，包括： 利用公式Η 十算粒子當(dāng)前的適應(yīng)度值； 其中，Ν為訓(xùn)練樣本總數(shù)；W和父分別為相應(yīng)于第i個(gè)訓(xùn)練樣本的輸出層的期望輸出 和實(shí)際輸出。9. 根據(jù)權(quán)利要求5所述的分布式電源諧波檢測(cè)方法，其特征在于，所述利用粒子群迭 代算法，迭代更新所述粒子群中所有粒子的位置和速度，包括： 采用公式更新粒子的速度； 利用公式更新粒子的位置； 其中：ω為慣性權(quán)重； 4為第i個(gè)粒子第k次迭代時(shí)速度在維度d上的分量； 4為第i個(gè)粒子第k次迭代時(shí)位置在維度d上的分量； /4第i個(gè)粒子第k次迭代時(shí)粒子的最優(yōu)適應(yīng)度位置在維度d上的分量； /?,為第k次迭代時(shí)整個(gè)所述粒子群的最優(yōu)適應(yīng)度位置在維度d上的分量； ξ和η為預(yù)設(shè)的介于〇與1之間的隨機(jī)數(shù)； cl與c2為學(xué)習(xí)因子。10. -種應(yīng)用如權(quán)利要求1-9任一項(xiàng)所述分布式電源諧波檢測(cè)方法的檢測(cè)裝置，其特 征在于，包括： 模型構(gòu)建模塊，用于基于學(xué)習(xí)向量量化LVQ神經(jīng)網(wǎng)絡(luò)構(gòu)建電能質(zhì)量檢測(cè)模型； 模型優(yōu)化模塊，用于利用粒子群算法PSO優(yōu)化所述電能質(zhì)量檢測(cè)模型； 諧波檢測(cè)模塊，用于利用優(yōu)化后的所述電能質(zhì)量檢測(cè)模型，依據(jù)輸入的電能質(zhì)量信號(hào) 中的諧波信息，對(duì)所述電能質(zhì)量信號(hào)的諧波及間諧波擾動(dòng)進(jìn)行檢測(cè)。
【專利摘要】本發(fā)明提供一種分布式電源諧波檢測(cè)方法及裝置，該方法利用粒子群算法優(yōu)化由LVQ神經(jīng)網(wǎng)絡(luò)構(gòu)建的電能質(zhì)量檢測(cè)模型，克服現(xiàn)有神經(jīng)網(wǎng)絡(luò)在電能質(zhì)量檢測(cè)中獲取樣本不易，當(dāng)擁有這樣一組較為理想的樣本之后，訓(xùn)練網(wǎng)絡(luò)時(shí)很可能會(huì)遇到不收斂或者收斂速度慢的問(wèn)題；假若問(wèn)題或者網(wǎng)絡(luò)結(jié)構(gòu)需要改變，那么網(wǎng)絡(luò)就需要重新訓(xùn)練；訓(xùn)練當(dāng)中還有可能出現(xiàn)過(guò)學(xué)習(xí)的技術(shù)問(wèn)題，從而滿足電能質(zhì)量檢測(cè)中的實(shí)際需求。
【IPC分類】G06N3/02, G01R23/16
【公開(kāi)號(hào)】CN105334389
【申請(qǐng)?zhí)枴緾N201510823936
【發(fā)明人】何君如, 楊俊華, 楊濟(jì)溦
【申請(qǐng)人】廣東工業(yè)大學(xué)
【公開(kāi)日】2016年2月17日
【申請(qǐng)日】2015年11月23日