基于改進的神經(jīng)網(wǎng)絡油田配電網(wǎng)諧波預測研究

1 引言

油田配電網(wǎng)中大量使用變頻、整流和開關(guān)電源技術(shù)制造的節(jié)能設(shè)備,特別是變頻調(diào)速電機、永磁同步電機、變頻器、高頻開關(guān)電源等新型節(jié)能設(shè)備以及非線性電子設(shè)備如節(jié)能燈、計算機和家用電器等非線性負荷,這些設(shè)備在節(jié)約能源和提高生產(chǎn)效率的同時,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(shè)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(jié)構(gòu)、參數(shù)和負荷情況,通過電能質(zhì)量分析,檢測系統(tǒng)的諧波參數(shù)和諧波幅值,并通過計算分析判斷電力系統(tǒng)中的電壓電流波形畸變是否控制在允許的范圍內(nèi)、并給出預警預報。對油田配電網(wǎng)來說,通過頻率掃描,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(nèi),并預防諧振事故的發(fā)生。

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

本文首先針對有天油田配電網(wǎng)的機構(gòu)特性,建立模擬的諧波產(chǎn)生規(guī)律模型,采用神經(jīng)網(wǎng)絡進行預測預報,

并通過MATALB進行仿真研究。

2 油田配電網(wǎng)諧波系統(tǒng)模型分析

油田配電網(wǎng)結(jié)構(gòu)復雜,網(wǎng)絡系統(tǒng)結(jié)構(gòu)中諧波成分很不相同,畸變波形也是千差萬別,收集所有類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理論上的具有一定精度的數(shù)學模型。從對油田配電網(wǎng)中典型的非線性負載所產(chǎn)生的畸變波形的研究分析發(fā)現(xiàn),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(xiàn),任一奇次諧波的幅值一般情況下不會超過基波幅值的50%,諧波次數(shù)越高幅值越小。因而在實際測量的時候,我們可以只需要測量其中的奇次諧波。

電力系統(tǒng)中的一些非正弦周期電流可用傅立葉級數(shù)展開:

假設(shè)奇次諧波以一定的幅度逐漸由0開始遞增,但上限為基波幅度的50%,為簡化模型,油田配電網(wǎng)中5次和7次諧波危害嚴重,因此,本文假設(shè)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(shè)初相角一定的情況下,為實現(xiàn)5次諧波幅值的預測,首先確定(2)式中的三個電流變量,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(shù)值按比例增加到50%以上。

圖1 神經(jīng)網(wǎng)絡模型結(jié)構(gòu)

神經(jīng)網(wǎng)絡建模的模型如圖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周期的隨機值,輸出為5次諧波的幅值。隱含層神經(jīng)元數(shù)量為8個,隱含層個數(shù)要根據(jù)實際仿真時的訓練樣本數(shù)據(jù)分析情況進行適當調(diào)整,沒有具體的確定方案,以模型輸出誤差和神經(jīng)網(wǎng)絡權(quán)值、閾值作為調(diào)整的依據(jù)。

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

根據(jù)油田配電網(wǎng)諧波結(jié)構(gòu)的特點,本文采用BP神經(jīng)網(wǎng)絡進行諧波預測,實現(xiàn)步驟如下[4-5]:

(1) 數(shù)據(jù)采集與數(shù)據(jù)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(shù)。

(2) 訓練樣本、測試樣本和校驗樣本的建立。

(3) 構(gòu)建神經(jīng)網(wǎng)絡,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個進行構(gòu)建神經(jīng)網(wǎng)絡。

(4) 指定訓練參數(shù)進行訓練。

(5) 完成訓練后,就可以調(diào)用訓練結(jié)果,輸入測試數(shù)據(jù),進行測試。

(6) 數(shù)據(jù)進行反歸一化。

(7) 誤差分析。

4 基于BP神經(jīng)網(wǎng)絡的諧波發(fā)生預測仿真研究

BP網(wǎng)絡作為一種多層前向神經(jīng)網(wǎng)絡,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,它可以實現(xiàn)從輸入到輸出的任意非線性映射。這種BP網(wǎng)絡可以在油田配電網(wǎng)系統(tǒng)中用于對諧波進行實時測量。這是因為電網(wǎng)中的被測量是由各次諧波和基波所構(gòu)成的非正弦周期波形。實現(xiàn)對諧波信息的實時測量,首先需要根據(jù)實際的情況選擇相應的網(wǎng)絡結(jié)構(gòu),然后將待測量的采樣數(shù)據(jù)施加在經(jīng)過合理樣本充分訓練后的網(wǎng)絡中。因為相角、幅值變化范圍大并且不具有規(guī)律,所以同時改變相角和幅值來對網(wǎng)絡訓練的話,將會增加網(wǎng)絡的負擔,因其同時負擔兩種變化的記憶,如此一來,對諧波測量的速度和精度都會造成很大的影響,因而本文是以假設(shè)初相角己經(jīng)確定為前提的狀態(tài)下。