| 【中文题名】 | 神经网络在学生公寓用电负荷识别中的应用研究 |
| 【英文题名】 | Applied Research on the Artificial Neural Network in Power Load Identification of Students' Dormitory |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-25 |
| 【中关键词】 | 恶意负载识别,谐波检测,Hopfield神经网络,,, |
| 【英关键词】 | Unsafe Load Identification,Harmonic Detection,Hopfield Neural Network, |
| 【分类导航】 | 工业技术>电工技术>输配电工程、电力网及电力系统>理论与分析>负荷分析> |
| 【论文摘要】 |
随着高校后勤的社会化改革,大部分的高校对学生公寓已开放用电。但由于大量大功率违章电器的使用,使得学生公寓火灾发生频繁,高校学生公寓的用电安全问题成为人们日益关注的焦点。如何采用有效的方法对这类负载进行准确的识别,成为本文研究的内容。
论文针对此问题在对学生公寓负载种类及其特性进行详细总结和分析的基础上,结合电路模型,利用傅立叶变换对其负载电流进行谐波分析,以功率和周期谐波绝对值面积的变化作为恶意负载是否投入的判别条件,得出了学生公寓恶意负载判别方法。其关键问题是准确检测负载总谐波电流。论文详细分析了现行主要谐波检测手段和方法。结合学生公寓负载识别的要求,确定在时域中进行谐波检测的原则。由于基于神经元的谐波检测算法收敛速度相对较慢,不适合负载变化的场合。论文将Hopfield神经网络优化计算的理论用于谐波电流检测,建立合理的能量函数,用Hopfield神经网络能量函数进行优化计算,从而给出了一种基于Hopfield神经网络的自适应谐波电流检测算法。该方法能够根据负载电流的变化自适应地检测负载电流的基波分量,进而获得总谐波电流,并具有检测速度快,精度高,跟踪性能好等优点。并将各项性能指标与基于神... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-7 |
|
1 绪论 |
7-12 |
|
1.1 课题背景 |
7-8 |
|
1.2 负载类型概述 |
8-9 |
|
1.2.1 恶意负载定义 |
8 |
|
1.2.2 恶意负载识别的意义 |
8-9 |
|
1.3 相关领域的研究现状 |
9-11 |
|
1.4 研究主要内容 |
11-12 |
|
2 学生公寓恶意负载判别方法 |
12-20 |
|
2.1 学生公寓常用负载种类及特性分析 |
12-13 |
|
2.2 恶意负载识别方法 |
13-15 |
|
2.2.1 功率因数法 |
13 |
|
2.2.2 波形比较法 |
13-14 |
|
2.2.3 瞬时功率增加法 |
14 |
|
2.2.4 面积关系判别法 |
14-15 |
|
2.3 谐波的基本概念 |
15-16 |
|
2.4 学生公寓恶意负载的判别条件 |
16-19 |
|
2.5 本章小结 |
19-20 |
|
3 谐波电流检测方法 |
20-29 |
|
3.1 谐波电流检测方法 |
20-28 |
|
3.1.1 模拟滤波器 |
20 |
|
3.1.2 Fryze 有功电流检测法 |
20 |
|
3.1.3 基于FFT 的谐波电流检测 |
20-21 |
|
3.1.4 同步检测法 |
21-22 |
|
3.1.5 基于瞬时无功补偿理论的检测方法 |
22-24 |
|
3.1.6 基于dq 变换的谐波电流检测 |
24-25 |
|
3.1.7 基于自适应噪声抵消技术的广义谐波电流检测方法 |
25-26 |
|
3.1.8 基于小波变换的谐波检测 |
26 |
|
3.1.9 基于神经元的自适应谐波电流检测方法 |
26-28 |
|
3.2 本章小结 |
28-29 |
|
4 基于 Hopfield 神经网络的自适应谐波电流检测 |
29-45 |
|
4.1 Hopfield 神经网络原理 |
29-37 |
|
4.1.1 人工神经网络基础 |
29-31 |
|
4.1.2 Hopfield 神经网络简介 |
31-32 |
|
4.1.3 连续型Hopfield 网络的电路模型 |
32-34 |
|
4.1.4 Hopfield 神经网路的能量函数 |
34-35 |
|
4.1.5 连续型Hopfield 网络用于优化计算 |
35-37 |
|
4.2 基于Hopfield 神经网络的自适应谐波电流检测 |
37-40 |
|
4.2.1 基于Hopfield 神经网络的自适应谐波电流检测模型 |
38-40 |
|
4.3 仿真研究 |
40-44 |
|
4.3.1 算法流程 |
40-41 |
|
4.3.2 仿真及结果分析 |
41-44 |
|
4.4 本章小结 |
44-45 |
|
5 恶意负载识别仿真 |
45-51 |
|
5.1 学生公寓各类负载的等效电路模型 |
45-46 |
|
5.1.1 计算机负载等效电路模型 |
45 |
|
5.1.2 荧光灯负载模型 |
45-46 |
|
5.2 恶意负载识别仿真 |
46-50 |
|
5.2.1 计算机负载+恶意负载 |
47-48 |
|
5.2.2 计算机负载+荧光灯负载 |
48-50 |
|
5.3 仿真结果分析 |
50 |
|
5.4 本章小结 |
50-51 |
|
6 结论与展望 |
51-52 |
|
致谢 |
52-53 |
|
参考文献 |
53-56 |
|
附录：作者在攻读硕士学位期间发表的论文目录 |
56-57 |
|
| 【DOI】 | LunWen.ID:2.2008.385874 |
