基于最小二乘支持向量機的電力電子裝置諧波源建模方法研究.pdf

1、電力電子裝置是諧波產生的主要根源，但同時它也是傳輸正弦電壓和電流給終端用戶和提高供電可靠性的有效手段，所以對電力電子裝置諧波源進行研究，建立適當?shù)哪Ｐ蛠肀碚髌浞蔷€性特性是進行諧波水平估計、制定諧波抑制策略等的重要工具通過對已有的諧波源建模方法進行比較發(fā)現(xiàn)，基于諧波源內部機理建立的模型只適用于某一特定拓撲的裝置，當拓撲結構發(fā)生變化時必須重新進行分析建模。而神經網絡把諧波源看作一個黑箱，不考慮其內部機理而建立描述其電壓電流非線性特性的模型。

2、考慮到支持向量機可以克服神經網絡難以避免的問題，有泛化能力強、收斂到全局最優(yōu)等優(yōu)點，因此本文提出了基于最小二乘支持向量機的電力電子裝置諧波源建模方法。
　　 本文首先簡單介紹了電力系統(tǒng)諧波分析時典型元器件的模型，總結了已有的諧波源建模方法并對其進行分析、比較，針對神經網絡在非線性建模方面的缺陷，從而確定了本課題的建模方法；其次介紹了最小二乘支持向量機在非線性映射回歸方面的基本原理，對其核函數(shù)的選擇和模型參數(shù)的尋優(yōu)方法進行了重點研

3、究，在選擇了徑向基函數(shù)作為核函數(shù)的基礎上，分析了和 兩個參數(shù)對模型精度的影響，并提出了基于交叉驗證的網格搜索法和遺傳算法兩種參數(shù)尋優(yōu)方法；再次在假設供電電壓及其吸收的電流均為三相對稱的周期性函數(shù)、供電端電壓不含諧波的基礎上對常見的三個典型電力電子裝置進行分析以及MATLAB仿真，并在合理改變參數(shù)值的基礎上獲取了建模需要的學習樣本，這些數(shù)據包括供電電壓大小、負荷特征參數(shù)以及交流側的諧波電流幅值和相角等；然后將學習樣本分成訓練集和測試集兩部

4、分并對其進行歸一化處理，利用徑向基神經網絡和最小二乘支持向量機進行諧波源建模，其中最小二乘支持向量機的參數(shù)尋優(yōu)分別采用了網格搜索法和遺傳算法兩種方法，并對建立的模型進行比較；最后考慮到在實際的供電系統(tǒng)中，供電端電壓并不是純正弦波形的，為了使得模型在實際應用中的范圍更廣，因此在考慮諧波電壓的情況下再次對相同的諧波源進行仿真獲取學習樣本并利用基于遺傳算法的最小二乘支持向量機建模，并對結果進行分析，驗證最小二乘支持向量機是一種有效的諧波源建模