郭宝英，郑思凡

（1.仰恩大学 工程技术学院，福建 泉州362000；

2.黎明职业大学 机电工程与自动化学院，福建 泉州362000）

谐波源的神经网络系统辨识与样本建模

郭宝英1，郑思凡2

（1.仰恩大学 工程技术学院，福建 泉州362000；

2.黎明职业大学 机电工程与自动化学院，福建 泉州362000）

针对当前电网谐波的诊断与分类识别均依赖于大量的样本采集作特征提取，采用系统辨识的方法以三相直流励磁同步发电机为对象,以三相直流励磁电压和定子感应电动势为激励，对发电机的正常发电过程及暂态震荡与短路故障进行系统辨识。文中根据问题的实际情况确定了神经网络的类型结构，训练算法等参数，并给出了仿真实现。仿真结果表明，所训练的BP神经网络具有一定泛化能力并可用于激励参数异常的故障样本建模。

系统辨识；levenberg-marquardt；同步励磁发电机；VC维；BP神经网络

当前随着IGBT,GTO,大功率场效应管等电力电子器件在逆变，变流及开关电源驱动电路中大量推广应用[1]，电网中非线性负载诸如变频器、同步励磁电机、电压适配器，整流器、高频开关电源等比重越来越多，基于这些功率器件的开关电源技术虽然有着节约能源，提高效率和易于数字化，智能化的优点，但同时,也因为其非线性产生了大量的谐波注入电网中,使用电效率降低，供电质量变坏,对电气设备的寿命及故障产生不良影响。另一方面，以卷积神经网络为基础的深度机器学习算法因为具有能够自学习出代表信……