谢 康，杨洪耕，张 逸， 黄 静

(四川大学电气信息学院，四川 成都610065)

1 引言

现代电力系统的谐波问题正随着非线性负荷的广泛使用而日趋严重，为了有效地对谐波进行分析与治理，准确并合理的谐波源模型必不可少［1］。现有的谐波源模型［2］有恒流源模型、基于交叉频率导纳矩阵模型、Norton等效模型、基于最小二乘法的简化模型等。对于铁磁饱和型负荷、电弧型负荷和网络拓扑结构复杂的多个谐波源组合的负荷来说，难以获得其数学模型，因此学者们提出根据实测数据对谐波源建模［3-4］。

神经网络具有强大的非线性映射能力、并行处理和自学习的优点，它不用考虑谐波源内部机理。文献［5］提出用RBF神经网络建立不可控整流桥的稳态频域模型，将谐波负荷功率灵敏度引入潮流计算，提高潮流计算的收敛速度;文献［6］利用广义生长-剪枝RBF神经网络表征相同谐波源的电压-电流特性，建立稳态频域谐波源模型，进一步提高模型精度。非线性负荷在实际运行过程中吸收的谐波电流受其基波电压和基波功率等运行条件的影响，现有方法还未能直接揭示这一特性。本文引入电压运行度Sv和功率负荷度 Sp分别表征基波电压和基波功率水平，基于广义回归神经网络采用实测数据建立谐波源的负荷度-电流特性;对网络平滑系数进行优化设计，将最小检测误差对应的平滑系数用于网络训练。以某铸造厂中频炉实测数据为例，结果表明该模型计算值与实测值的误差很小;具有人为确定参数少、训练时间短、所需样本少、精度高等优点，适合一般谐波源的建模。……