【正文】 服，所以它呈現(xiàn)出取代直流采樣的趨勢。為實(shí)現(xiàn)這一目標(biāo)，電力參數(shù)的數(shù)據(jù)采集是必要內(nèi)容，而其計算方法更是決定數(shù)據(jù)信息準(zhǔn)確可靠的重要因素[1]。交流采樣是把交流量轉(zhuǎn)化為177。但直流采樣方法存在著以下一些不足[8]：1）具有較大的時間延遲，難以及時反應(yīng)被測量的突變，為了提高響應(yīng)速度，變送器的時間常數(shù)必須特殊設(shè)計，因而不宜普遍使用；2）變送器測量諧波有誤差；3）監(jiān)控系統(tǒng)的測量精度直接受變送器的精確度和穩(wěn)定性的影響。其中正弦模型算法主要有最大值算法、單點(diǎn)算法、半周期積分法、兩點(diǎn)采樣等；非正弦模型算法有均方根算法、付里葉算法等，各種算法都有其優(yōu)缺點(diǎn)，在電力系統(tǒng)中的應(yīng)用也不相同[9]。)] = =3 （25）同理 I=P=[()+()+()]Q=(++) （26）其中 ()+()+()= [cos（φ+30o）cos（φ+150o）]=3sin（φ+90o）sin60o=3 cosφ=9P （27） ++=cos（φ90o）=3 sinφ=3Q （28） 半周期積分法設(shè)u=sinωt，T= （29）則A==== （210）把積分離散化，有A= （211） （212）其中　N為半周期中采樣點(diǎn)數(shù)。 遞推最小二乘算法 在通信電源的實(shí)際運(yùn)行中，電網(wǎng)存在諧波，同時還會有各種瞬時干擾，如高頻開關(guān)干擾等，因此在編制交流采樣軟件時，一般均需與某種濾波算法相配合，才能達(dá)到較準(zhǔn)確的測量各種正弦與非正弦交流信號的目的。 （220）式中x1= ；x2= 將(4)式用離散時間形式表示為=H(k)X(k)基波電壓幅值 （230） 遞推付里葉算法　參考全周波付氏算法，可得到遞推計算各次諧波實(shí)部、虛部的表達(dá)式[31] （231）遞推開始時取 u(kN)=0，當(dāng)k＞N時再計及u(kN)，這種方法的計算數(shù)據(jù)仍是最近 1個周波的。 n 163。即比直接計算少作一半乘法。利用旋轉(zhuǎn)因子的周期性，有：，則后半段的DFT值表達(dá)式： （k=0,1,…,N/21） （33）所以后半段（k=N/2,…,N1）的DFT值可以用前半段k值表達(dá)式獲得，中間還利用到，得到后半段的值表達(dá)式為：（k=0,1,…,N/21）。同理可以把第m級蝶形的N個輸出值直接存放在第m1級蝶形輸出的N個存儲單元中，這樣從第一級的輸入x（n）開始到最后一級的輸出X(k)，只需要N個存儲單元。其中本程序使用的“反向進(jìn)位加法”。最外層循環(huán)，用循環(huán)變量M來控制運(yùn)算的級數(shù)，M為1到L，步進(jìn)值為1，當(dāng)M改變時，則LE1，LE和系數(shù)U都會改變。 %每一級中組的個數(shù) Interval_of_Group=N/2^m。 %“組內(nèi)”序列的下標(biāo) xn(k+Interval_1)=xn(k+Interval_1)+xn(k+Interval_2)。m=1:8；N=8x1=DIF_FFT(xn,N)x2=fft(xn)x3=abs(x1)。title(39。)subplot(3,1,2)stem(m,x4)。從圖中也可以看出有限長序列通過FFT后得到的頻域?yàn)殡x散的。fft[xn]Ans= Columns 1 through 6 + + Columns 7 through 8 兩者結(jié)果相同，故編寫的程序正確。 離散二進(jìn)小波變換在實(shí)際應(yīng)用中，常常要把連續(xù)小波變換離散化。 雖然經(jīng)典的傅里葉變換可以反映出信號的整體內(nèi)涵，但表現(xiàn)形式往往不夠直觀，并且噪聲會使得信號頻譜復(fù)雜化。通過不斷的分解過程，將近似信號連續(xù)分解，就可以將信號分解成許多低分辨率成分。 s = leleccum。db139。 figure。 title(39。subplot(2, 2, 4)。小波分解將信號分解為近似分量和細(xì)節(jié)分量，它們在應(yīng)用中分別有不同的特點(diǎn)。這些神經(jīng)元如同人的神經(jīng)細(xì)胞一樣是互相關(guān)聯(lián)的。BP 神經(jīng)網(wǎng)絡(luò)的信息處理方式具有如下特點(diǎn)：1）信息分布存儲。這與現(xiàn)代計算機(jī)的脆弱性形成鮮明對比。2）模式識別：用一個待定的輸出向量將它與輸入向量聯(lián)系起來。BP 神經(jīng)網(wǎng)絡(luò)通過預(yù)先存儲信息和學(xué)習(xí)機(jī)制進(jìn)行自適應(yīng)訓(xùn)練，可以從不完整的信息和噪聲干擾中恢復(fù)原始的完整信息。動量法因?yàn)閷W(xué)習(xí)率的提高通常比單純的梯度下降法要快一些，但在實(shí)際應(yīng)用中還是速度不夠，這兩種方法通常只應(yīng)用于遞增訓(xùn)練。對那些快速訓(xùn)練算法，缺省參數(shù)值基本上都是最有效的設(shè)置[18]。下面來做一個matlab的仿真，假設(shè)電網(wǎng)參數(shù)波形類似于函數(shù)：g(x)=1+sin(k*pi/4*x)，實(shí)現(xiàn)對該非線性函數(shù)的逼近。)；title(39。)。purelin39。39。)。訓(xùn)練后得到的誤差變化過程如圖38所示。39。xlabel(39。這說明經(jīng)過訓(xùn)練后，BP網(wǎng)絡(luò)對非線性函數(shù)的逼近效果比較好。由此可見，n取不同的值對函數(shù)逼近的效果有很大的影響。參考文獻(xiàn)[1] 楊存祥，宋鏡波，王發(fā)群，等．基于DSP 的電力參數(shù)檢測系統(tǒng)的研究．[J]廣東輸電與變電技術(shù)，2007(5)[2] 胡廣書．?dāng)?shù)字信號處理．[M]清華大學(xué)出版社，2003[3] 著孫洪等．譯．?dāng)?shù)字信號處理—基于計算機(jī)的方法．[M]電子工業(yè)出版社，2006[4] 徐科軍，張瀚，陳智淵．TMS320X281xDSP 原理與應(yīng)用．[M]北京航天航空大學(xué)出版社，2006[5] 鄭紅，王鵬等．DSP 應(yīng)用系統(tǒng)設(shè)計實(shí)踐．[M]北京航空航天大學(xué)出版社，枕善居．RS232 技術(shù)文摘．[J]串口通信技術(shù)，2001[6] .[M]北京水利電力出版社，1985[7] Liu WHE,WuFE, of parameter errors from measurement residuals in state estimation[J].IEEE Trans. On Power Systems,1992,7(1)[8] [D].成都 西南交通大學(xué)，2005[9] 張艷萍，[J].長沙電力學(xué)院學(xué)報，2000，PP39~41[10] Alsac O,Vempati N,Stott B,Monticelli stateestimation [J] .IEEE Trans on PowerSystems ,1998 ,13 (3) : 10691075[11] Nino C E , Velez2Reyes M. Dealing with Ill Condi2tioning in Recursive Parameter Estimation for a Syn2chronous Generator [A] . IEEE Indust rial Elect ron2ics [C] . IECON 2006232nd Annual Conference ,2006[12] 韓安太，劉峙飛．.DSP 控制器原理及應(yīng)用．[M]清華大學(xué)出版社，1998[13] Monticelli A , Wu F F. Network Observability : Theory[J] . IEEE Trans . PAS , 1985 , 104 : 104221048[14] Jun Zhu , Ali A. Identification of Network Parameter Errors [J] . IEEE Trans. on Power Systems , 2006 ,21 (2) : 5862592[15] 竺煒，唐穎杰，周有慶，等．基于改進(jìn)Prony 算法的電力系統(tǒng)低頻振蕩模式識別[J]．電網(wǎng)技術(shù)，2009，33(5)：4447．Zhu Wei，Tang Ying jie，Zhou You qing，et al．Identification of power system low frequency oscillation mode based on improved Prony algorithm[J]．Power System Technology，2009，33(5)：4447(in Chinese)[16] 鄭濤，劉萬順，吳春華，[J]. 電力系統(tǒng)自動化，2002，27（23）：5155[17] 鄭君里,楊行峻.《人工神經(jīng)網(wǎng)絡(luò)》. 北京: 高等教育出版社,:1530[18] 郝中華.《B P神經(jīng)網(wǎng)絡(luò)的非線性思想》. (4)[19] 巨軍讓，卓戎.《B P神經(jīng)網(wǎng)絡(luò)在Matlab中的方便實(shí)現(xiàn) 》.(1)[20] Neural Network Tolbox User’s, The MathWorks. Inc,2003:1627[21] Matlab user’s Guide. The ,2003:2327[22] Neural Network Toolbox. Mathworks,2007:113[23] 王成山，王繼東．基于小波包分解的電能質(zhì)量擾動分類方法[J]．電網(wǎng)技術(shù)，2004，28(15)：7882[24] 肖冰，梁軍，等．Hilbert變換在電壓閃變檢測中的應(yīng)用[J]．繼電器，2005, 33(15):6265[25] 楊奕，沈申生．小波包變換在電能質(zhì)量擾動檢測中的應(yīng)用[J]．高電壓技術(shù)，2005,32(7):116119[26] 鄒其洪.《MATLAB教程》. 電子工業(yè)出版社，2005[27] 吳友宇.《數(shù)字信號處理》. 東南大學(xué)出版社，2008[28] 吳錫龍.《信號與系統(tǒng)》.高等教育出版社，2004[29] [J].電網(wǎng)技術(shù)，1997，PP64~66[30] [J].電測與儀表，2000，PP10~12[31] 張艷萍，[J].長沙電力學(xué)院學(xué)報，2000，PP39~41致謝在即將完成學(xué)業(yè)之際，我要衷心的感謝那些曾經(jīng)關(guān)心過我和幫助過我的人，不論在學(xué)習(xí)過程中還是在生活當(dāng)中，如果沒有他們?yōu)槲遗艖n解難，就不會有我今天的順利畢業(yè)。感謝我尊敬的父母，他們用博大的胸懷、勤勞的雙手和幾十年的心血養(yǎng)育了我，是他們樸實(shí)無私的奉獻(xiàn)和所傾注的愛與