【正文】 people. Especially along with the puter and integrated circuit technology development, the ac sample original difficult as plex algorithm and improve precision difficult, the speed of the A/D high demand has gradually be overe, so it presents to replace the trend of the sampling dc. Therefore, this paper introduces the power system monly used in ac sample algorithm such as root mean square algorithm, recursive least square method, all the ZhouBoFu leaves algorithm and so on, and analyzes its characteristics, to make the right choice to use the occasion. And in FFT algorithm, wavelet transform and in recent years was introduced into exchanges in the field of sampling algorithms BP neural network algorithm in detail description and simulation. Keywords: Sampling algorithms。2 國內(nèi)外電力參數(shù)算法現(xiàn)狀近幾年來，隨著通信技術(shù)和計算機技術(shù)的發(fā)展，通信電源監(jiān)控系統(tǒng)開始進入實用階段。同樣　I= （23） 單點算法這種算法適用于對稱三相正弦電路，在某一時刻同時對三相線電流和線電壓采集1點，就可計算出各線電壓和線電流有效值、各相有功及無功功率。 （221）于是，相應(yīng)的遞推最小二乘法的估計方程為：測量矩陣] （222）增益矩陣 （223）誤差協(xié)方差矩陣P(k+1)=[Ik(k+1)H(k+1)]P(k)每個采樣時刻所對應(yīng)的輸入模式向量與改時刻的實際采樣值就組成了一個訓(xùn)練對。這樣一級一級的劃分下去一直到最后就劃分成兩點的FFT運算的情況。3）旋轉(zhuǎn)因子的變化規(guī)律 以8點的FFT為例，第一級蝶形，r=0,1，2；第二級蝶形，r=0,1；第三級的蝶形，r=0。n=log2(2^nextpow2(length(xn)))。%碼位倒置步驟1：將碼位轉(zhuǎn)換為二進制，再進行倒序n2=[bin2dec(n1)]。title(39。但是該程序可以計算不是2的整數(shù)次冪的序列。其中） 的解析函數(shù)經(jīng)過平移、縮放得到的正交函數(shù)族 小波變換（WT，Wavelet Transform）是用小波函數(shù)族按不同尺度對函數(shù)f(t)206。對于許多信號，低頻成分相當(dāng)重要，它常常蘊含著信號的特征，而高頻成分則給出信號的細節(jié)或差別。db139。 title(39。)。輸入信號經(jīng)輸入層輸入， 通過隱含層的復(fù)雜計算由輸出層輸出，輸出信號與期望輸出相比較，若有誤差，再將誤差信號反向由輸出層通過隱含層處理后向輸入層傳播。 BP神經(jīng)網(wǎng)絡(luò)的主要功能目前，在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中。由于它具有強大的非線性處理能力，因此可以較好地進行非線性分類, 解決了神經(jīng)網(wǎng)絡(luò)發(fā)展史上的非線性分類難題。為了解決這個問題，在實際訓(xùn)練過程中，應(yīng)重復(fù)選取多個初始點進行訓(xùn)練，以保證訓(xùn)練結(jié)果的全局最優(yōu)性[17]。xlabel(39。)。)。,p,y2, 39。下面通過改變頻率參數(shù)和非線性函數(shù)的隱層神經(jīng)元數(shù)目來加以比較證明。導(dǎo)師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、侮人不倦的美德以及科學(xué)的工作方法永遠是學(xué)生學(xué)習(xí)的榜樣。國內(nèi)對電網(wǎng)質(zhì)量研究起步較晚，目前使用的電網(wǎng)質(zhì)量檢測設(shè)備與發(fā)達國家還有一定距離，因此，電網(wǎng)污染問題仍然有待于進一步解決，傳統(tǒng)的采樣裝置有待于進一步優(yōu)化提高。圖39 訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果其中 “ ” 代表要逼近的非線性函數(shù)曲線；“‥‥‥” 代表未經(jīng)訓(xùn)練的函數(shù)曲線；“―――” 代表經(jīng)過訓(xùn)練的函數(shù)曲線；從圖中可以看出，得到的曲線和原始的非線性函數(shù)曲線很接近。plot(p,t,39。時間39。 39。39。和線性網(wǎng)絡(luò)不同，對于非線性多層網(wǎng)絡(luò)很難選擇很好的學(xué)習(xí)率。這是因為它采用了分布并行的信息處理方式，對信息的提取必須采用聯(lián)想的方式，才能將相關(guān)神經(jīng)元全部調(diào)動起來。生物神經(jīng)系統(tǒng)部分不嚴(yán)重損傷并不影響整體功能，BP神經(jīng)網(wǎng)絡(luò)也具有這種特性，網(wǎng)絡(luò)的高度連接意味著少量的誤差可能不會產(chǎn)生嚴(yán)重的后果，部分神經(jīng)元的損傷不破壞整體，它可以自動修正誤差。 BP神經(jīng)網(wǎng)絡(luò)模型及其基本原理BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)的簡稱，它由一個輸入層，一個或多個隱含層和一個輸出層構(gòu)成，每一次由一定數(shù)量的的神經(jīng)元構(gòu)成。)。 s1 = a1+d1。load leleccum。實際上，離散小波變換是對連續(xù)小波變換的尺度、位移按照2的冪次進行離散化得到的，所以也稱之為二進制小波變換。說明DIF_FFT子程序是正確的。)subplot(3,1,2)stem(m,x3)。 %“組內(nèi)”循環(huán)開始 k=r+1。也可以看出，最內(nèi)層循環(huán)完成每級的蝶形結(jié)運算，第二層循環(huán)則完成系數(shù)的運算。有上式可得的m1級的第k行與第j行的輸出，在運算流圖中的作用是，用來計算第m級的第k行和第j行的輸出，這樣當(dāng)計算完，后，在運算流圖中就不在起作用，因此可以采用原位運算，把，直接存入原來存放，的存儲單元。2]=N2/2次復(fù)數(shù)乘法。但當(dāng)采樣點數(shù)太多時，運算時間會明顯增長，使響應(yīng)速度有所下降。交流采樣的應(yīng)用范圍非常廣泛，根據(jù)應(yīng)用場合不同，其算法也有很多種，按照其模型函數(shù)，大致可分為正弦模型算法，非正弦周期模型算法。直流采樣是把交流電壓、電流信號轉(zhuǎn)化為0～5V的直流電壓，這種方法的主要優(yōu)點是算法簡單，便于濾波，但投資較大，維護復(fù)雜，無法實現(xiàn)實時信號采集，因而在電力系統(tǒng)中的應(yīng)用受到限制。交流采樣實時性好、相位失真小、投資少、便于維護，因此越來越受到人們的重視。其中，電力參數(shù)的精確測量是最為關(guān)鍵的環(huán)節(jié)，根據(jù)這些參數(shù)才可判斷電網(wǎng)的運行狀態(tài)、運行質(zhì)量，乃至于電網(wǎng)中的故障或隱患，因此如何快速、準(zhǔn)確地采集和監(jiān)控各種電力參數(shù)顯得尤為重要[6]。從通信電源監(jiān)控系統(tǒng)的發(fā)展趨勢來看，交流采樣法正在逐步代替直流采樣。其基本思想是依據(jù)周期連續(xù)函數(shù)的有效值定義，將連續(xù)函數(shù)離散化，從而得出電壓、電流的表達式： （217） （224）遞推矩陣的初始值可選為 （225）P(0)=C2I式中C2為一充分大的常數(shù)，通常取C2=104。設(shè)輸入模式向量XK為 其中 為采樣周期， 為角頻率。 （236）然后利用這一周期最后得到的權(quán)向量調(diào)整值，重復(fù)進行新的一輪訓(xùn)練。因此，對于一些相當(dāng)大的N值（如1024）來說，直接計算它的DFT所作的計算量是很大的[15]。令，則有：這樣，也可以用兩個N/2點DFT來組合成一個N點DFT，組合過程如圖32所示。其循環(huán)變量為I，I用來控制同一種蝶形結(jié)運算。 %旋轉(zhuǎn)因子 for g=1:Num_of_Group %“組”循環(huán)開始 Interval_1=(g1)*Interval_of_Group。subplot(3,1,1)stem(m,xn)。title(39。小波變換的誕生，正是為了克服經(jīng)典傅立葉分析本身的不足。 Z，采樣率b0 0. 由于離散二進小波變換是對連續(xù)小波變換的伸縮因子和平移因子按一定規(guī)則采樣而得到的，因此，連續(xù)小波變換所具有的性質(zhì)，離散二進小波變換一般仍具備。 圖34 小波變換示意圖部分matlab代碼：clc。, cd1, 39。 plot(cd1)。相鄰層之間各神經(jīng)元進行全連接，而每層各神經(jīng)元之間無連接，網(wǎng)絡(luò)按有教師示教的方式進行學(xué)習(xí)，當(dāng)一對學(xué)習(xí)模式提供給網(wǎng)絡(luò)后，各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)產(chǎn)生連接權(quán)值（Weight）。諾依曼計算機的工作速度，但是在很多問題上卻可以做出快速的判斷、決策和處理，這是由于人腦是一個大規(guī)模并行與串行組合的處理系統(tǒng)。 BP網(wǎng)絡(luò)的優(yōu)點以及局限性BP神經(jīng)網(wǎng)絡(luò)最主要的優(yōu)點是具有極強的非線性映射能力[19]。對于非線性系統(tǒng)，選擇合適的學(xué)習(xí)率是一個重要的問題。p=[1:.05:8]。n=3。未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果39。（開始訓(xùn)練網(wǎng)絡(luò)）TRAINLMcalcjx, Epoch 0/50, MSE , Gradient TRAINLMcalcjx, Epoch 3/50, MSE , Gradient TRAINLM, Performance goal met.從以上結(jié)果可以看出，網(wǎng)絡(luò)訓(xùn)練速度很快。仿真輸出39。再介紹了國內(nèi)外在電力參數(shù)計算發(fā)展情況的基礎(chǔ)上，簡要分析了目前電力參數(shù)計算方法各自的優(yōu)劣點以及幾種算法的仿真驗證。最后，我要特別感謝我的家人和同學(xué)。 圖312 當(dāng)n=6時訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果 圖313 當(dāng)n=8時訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果其中 “ ” 代表要逼近的非線性函數(shù)曲線；“‥‥‥ ” 代表未經(jīng)訓(xùn)練的函數(shù)曲線；“―――” 代表經(jīng)過訓(xùn)練的函數(shù)曲線；3）頻率參數(shù)設(shè)為k=8，當(dāng)隱層神經(jīng)元數(shù)目分別取n=n=15時，得到了訓(xùn)練后的網(wǎng)絡(luò)輸出結(jié)果如圖314，315所示。訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果39。步驟3：網(wǎng)絡(luò)訓(xùn)練應(yīng)用train（）函數(shù)對網(wǎng)絡(luò)進行訓(xùn)練之前，需要預(yù)先設(shè)置網(wǎng)絡(luò)訓(xùn)練參數(shù)。figure。ylabel(39。 BP網(wǎng)絡(luò)在電力參數(shù)采樣中的應(yīng)用 問題的提出BP網(wǎng)絡(luò)由很強的映射能力，主要用于模式識別分類、函數(shù)逼近、函數(shù)壓縮等。不過，其優(yōu)化計算存在局部極小問題，必須通過改進完善[20]。BP網(wǎng)絡(luò)主要用于以下四方面[18]。這種信號正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程周而復(fù)始地進行著，直到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或進行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。)。subplot(2, 2, 2)。a39。近似表示信號的高尺度，即低頻信息；細節(jié)表示信號的高尺度，即高頻信息。由于a、b是連續(xù)變化的，相鄰分析窗的絕大部分是相互重疊的，相關(guān)性很強； 7）小波變換同傅立葉變換一樣，具有統(tǒng)一性和相似性，其正反變換具有完美的對稱性。N=8。title(39。圖33 FFT變換示意圖 程序驗證編寫主函數(shù)，在主函數(shù)中輸入一個序列