神經(jīng)網(wǎng)絡(luò)在有源電力濾波器諧波電流檢測上的應(yīng)用

Hopfield神經(jīng)網(wǎng)絡(luò)在有源電力濾波器諧波電流檢測上的應(yīng)用Contents有源電力濾波器Hopfield神經(jīng)網(wǎng)絡(luò)基于hopfield網(wǎng)絡(luò)的諧波檢測法324概述1概述有源電力濾波器的工作性能很大程度上取決于對非線性負(fù)載諧波電流的準(zhǔn)確、實時監(jiān)測。根據(jù)有源電力濾波器的不同工作要求，對諧波電流的檢測要求也不盡相同。對有源電力濾波器的諧波電流檢測除了要求較高精度和較好的實時性外，當(dāng)負(fù)載發(fā)生變化時要有良好的自適應(yīng)跟蹤檢測能力?；贖opfield神經(jīng)網(wǎng)絡(luò)的諧波電流檢測方法主要是運用其能量函數(shù)的優(yōu)化處理能力，對諧波檢測建立的目標(biāo)函數(shù)進行優(yōu)化，從而建立了Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的諧波檢測模型，從而檢測出所需的各次諧波的幅值和相位。該方法具有采樣數(shù)據(jù)實時處理速度快，實時性好，能夠自適應(yīng)快速檢測出各次諧波分量的幅值和相角等優(yōu)點。與目前應(yīng)用的諧波檢測方法相比較精度高、實時性好，具有較大的應(yīng)用前景。有源電力濾波器應(yīng)用：有源電力濾波器是一種用于動態(tài)抑制諧波、補償無功的電力電子裝置，它能夠?qū)Υ笮『皖l率都變化的諧波以及變化的無功進行補償，之所以稱為有源，顧名思義該裝置需要提供電源，其應(yīng)用可克服LC濾波器等傳統(tǒng)的諧波抑制和無功補償方法的缺點（傳統(tǒng)的只能固定補償），實現(xiàn)了動態(tài)跟蹤補償，而且可以既補諧波又補無功。有源電力濾波器工作原理：有源電力濾波器通過電流互感器檢測負(fù)載電流，并通過內(nèi)部DSP計算，提取出負(fù)載電流中的諧波成分，然后通過PWM信號發(fā)送給內(nèi)部IGBT，控制逆變器產(chǎn)生一個和負(fù)載諧波電流大小相等，方向相反的諧波電流注入到電網(wǎng)中，達到濾波的目的。Hopfield神經(jīng)網(wǎng)絡(luò)1982年，美國加州工學(xué)院物理學(xué)家Hopfield提出了一種具有相互聯(lián)接的反饋型人工神經(jīng)網(wǎng)絡(luò)模型—霍普菲爾德神經(jīng)網(wǎng)絡(luò)（HopfieldNeuralNetwork,HNN）模型，他將“計算能量函數(shù)”的概念引入到對稱Hopfield網(wǎng)絡(luò)的研究中，給出了網(wǎng)絡(luò)的穩(wěn)定性判據(jù)，并用來求解約束優(yōu)化問題。另外，他利用多元HNN的多吸引子及其吸引域，實現(xiàn)了信息的聯(lián)想記憶功能，從而有力地推動了神經(jīng)網(wǎng)絡(luò)的研究。Hopfield神經(jīng)網(wǎng)絡(luò)連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)（CHNN）：CHNN的激活函數(shù)的輸入與輸出之間的關(guān)系為連續(xù)可微的單調(diào)上升函數(shù)，主要用于優(yōu)化計算。諧波電流的檢測主要應(yīng)用CHNN對其進行優(yōu)化計算。激活函數(shù)的作用：（1）控制輸入對輸出的作用；（2）對輸入、輸出進行函數(shù)轉(zhuǎn)換；（3）將可能無限域的輸入變化成指定范圍內(nèi)的輸出；連續(xù)的Hopfield網(wǎng)絡(luò)圖1連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)電子線路細(xì)胞膜的傳遞電阻細(xì)胞膜的輸入電容模擬生物神經(jīng)元輸出的時間常數(shù)模擬神經(jīng)元的非線性特性系統(tǒng)外部輸入Hopfield神經(jīng)網(wǎng)絡(luò)圖2人工神經(jīng)元模型Hopfield神經(jīng)網(wǎng)絡(luò)對于圖2，在連續(xù)Hopfield網(wǎng)絡(luò)中，若定義第i個神經(jīng)元的輸入總和為，輸出狀態(tài)為，則網(wǎng)絡(luò)的狀態(tài)轉(zhuǎn)移方程可寫為：對于連續(xù)Hopfield網(wǎng)絡(luò)來說，其中神經(jīng)元的激活函數(shù)f為S型函數(shù)：或Hopfield神經(jīng)網(wǎng)絡(luò)

對于上述兩種S型函數(shù)，當(dāng)時，函數(shù)值趨于飽和，限制了神經(jīng)網(wǎng)絡(luò)輸出狀態(tài)的增長范圍，而參數(shù)λ用以控制S型函數(shù)在0點附近的變化率。

Hopfield神經(jīng)網(wǎng)絡(luò)Hopfield能量函數(shù)：Hopfield在80年代初提出了一個對單層反饋動態(tài)網(wǎng)絡(luò)的穩(wěn)定性判別的函數(shù)，這個函數(shù)有明確的物理意義，是建立在能量基礎(chǔ)上的。Hopfield認(rèn)為在系統(tǒng)的運動過程中其內(nèi)部儲存的能量隨著時間的增加逐漸減少，當(dāng)運動到平衡狀態(tài)時，系統(tǒng)的能量耗盡或比的最小，那么系統(tǒng)自然將在此平衡狀態(tài)處逐漸穩(wěn)定即有。因此對Hopfield反饋網(wǎng)絡(luò)定義了一種能量函數(shù)E，稱為Hopfield能量函數(shù)，這個E可正可負(fù)但負(fù)向有界。Hopfield神經(jīng)網(wǎng)絡(luò)Hopfield神經(jīng)網(wǎng)絡(luò)圖1網(wǎng)絡(luò)能量函數(shù)定義為：為的逆函數(shù)。t為神經(jīng)網(wǎng)絡(luò)模型的輸出時間常數(shù)，上式第三項表示一種輸入狀態(tài)和輸出值關(guān)系的能量項。若該函數(shù)為單調(diào)遞增且連續(xù)可微函數(shù)，，則隨網(wǎng)絡(luò)狀態(tài)的變化，有

Hopfield神經(jīng)網(wǎng)絡(luò)表明網(wǎng)絡(luò)的解軌道在狀態(tài)空間中總是朝著能量較小的方向運動，且網(wǎng)絡(luò)的穩(wěn)態(tài)平衡點就是E的極小點。Hopfield網(wǎng)絡(luò)是單層全反饋全對稱網(wǎng)絡(luò)，神經(jīng)元間的連接權(quán)值有。Hopfield神經(jīng)網(wǎng)絡(luò)能量函數(shù)的優(yōu)化計算：能量函數(shù)是一個反映多維神經(jīng)元狀態(tài)的標(biāo)量函數(shù)，當(dāng)各參數(shù)設(shè)計合理時，可以隨時間變化，最終收斂到漸近穩(wěn)定點上，并在這些穩(wěn)定點上使能量函數(shù)達到極小值。以此為基礎(chǔ)可以人為地設(shè)計出人工神經(jīng)網(wǎng)絡(luò)，把優(yōu)化問題中的目標(biāo)函數(shù)、約束條件和Hopfield能量函數(shù)聯(lián)系起來。這樣，當(dāng)神經(jīng)網(wǎng)絡(luò)達到的平衡點，就是能量函數(shù)的極小值。由于人工神經(jīng)網(wǎng)絡(luò)是并行計算，其計算量不隨維數(shù)的增加而發(fā)生指數(shù)性質(zhì)的“爆炸”，因此特別適用于解決此問題的優(yōu)化。設(shè)優(yōu)化目標(biāo)函數(shù)為，為人工神經(jīng)網(wǎng)絡(luò)的狀態(tài)，也是目標(biāo)函數(shù)的變量。優(yōu)化的約束條件為：g(u)=0。優(yōu)化問題歸結(jié)為：在滿足約束的條件下，Hopfield神經(jīng)網(wǎng)絡(luò)使目標(biāo)函數(shù)最小。在無約束條件下，能量函數(shù)E設(shè)計為：

對于目標(biāo)函數(shù)f(u)，一般總是取一個期望值與實際值之差的平方或絕對值的標(biāo)量函數(shù)，這樣能夠保證f(u)總是大于零。根據(jù)Hopfield能量函數(shù)的要求，只要E在負(fù)的方向上有界，即，同時，，則系統(tǒng)

最后總能達到E的最小即的點，此點同時又是系統(tǒng)的穩(wěn)定點，即。Hopfield神經(jīng)網(wǎng)絡(luò)綜上，用Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)來解決有關(guān)優(yōu)化計算問題的步驟是：首先，需建立目標(biāo)函數(shù)，將要優(yōu)化問題的變量對應(yīng)于網(wǎng)絡(luò)的狀態(tài)矢量或輸入矢量；其次，利用Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)對目標(biāo)函數(shù)進行處理；最后，利用Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)對目標(biāo)函數(shù)的優(yōu)化運算?；贖opfield網(wǎng)絡(luò)的諧波檢測諧波檢測原理：通常情況下，非線性負(fù)載電路中的負(fù)載電流可以寫成上式中，和分別為第次諧波的幅值和相角（，為基波），為基波角頻率。對負(fù)載電流進行采樣，采樣時間均勻分布，設(shè)采樣時間得到一個采樣值（k=1,2,3……，n），而時刻的諧波為基于Hopfield網(wǎng)絡(luò)的諧波檢測該算法采用的激活函數(shù)f采用的是S型函數(shù)，也是確定的，因此和稱為未知量和的系數(shù)。定義向量：基于Hopfield網(wǎng)絡(luò)的諧波檢測諧波檢測步驟：基于Hopfield網(wǎng)絡(luò)的諧波檢測主要采用一下步驟：（1）建立目標(biāo)函數(shù)；（2）利用Hopfield能量函數(shù)對目標(biāo)函數(shù)進行處理；（3）利用Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)對目標(biāo)函數(shù)的優(yōu)化運算。對于目標(biāo)函數(shù)，一般總是取期望值與實際值之間的差值的平方或絕對值的標(biāo)量函數(shù)。在諧波檢測中，諧波電流的期望值，諧波電流的實際值為采樣值，因此，建立目標(biāo)函數(shù)：基于Hopfield網(wǎng)絡(luò)的諧波檢測利用Hopfield能量函數(shù)對目標(biāo)函數(shù)進行處理。要使與的差值最小，即目標(biāo)函數(shù)最小。因此，給出能量函數(shù)：

Hopfield能量函數(shù)E單調(diào)遞減，當(dāng)且僅當(dāng)時，能量函數(shù)E達到最小，且此時系統(tǒng)達到穩(wěn)定點。求解優(yōu)化問題中E往往是狀態(tài)矢量U或者輸入矢量V的函數(shù)，所以，為了求解方便，常常將的條件轉(zhuǎn)化為對狀態(tài)求基于Hopfield網(wǎng)絡(luò)的諧波檢測導(dǎo)的條件如下：同理，可將的條件轉(zhuǎn)化為對輸入矢量求導(dǎo)的條件：基于Hopfield網(wǎng)絡(luò)的諧波檢測仿真結(jié)果：運用MATLAB進行仿真實驗，該算法研究的諧波檢測系統(tǒng)可以檢測出各次諧波的幅值和相角。該仿真系統(tǒng)輸入電壓為仿真系統(tǒng)輸入電壓380V，基波頻率50HZ，采樣頻率1000HZ，采樣點為100。該算法采用諧波信號為下圖3為未加有源電力濾波器時電源處提供的電流波形?；贖opfield網(wǎng)絡(luò)的諧波檢測圖3未加有源電力濾波器時的電流波形