本技术公开了一种基于卷积神经网络的变流器负载类型识别方法,包括以下步骤:确定参与变流器负载类型识别的状态变量;获取变流器运行的状态变量数据;采用卷积神经网络分析变流器负载类型。本发明首先筛选反映变流器负载类型的系统状态变量,再采用卷积神经网络识别变流器的负载类型。所设计的方法能够快速、准确地识别变流器负载类型,且具有抗干扰性强的优势。
背景技术
变流器模型预测控制算法是当前变流器优化控制算法的主要形式,在变流器模型预测控制算法的设计与优化过程中,算法的在线计算量是约束算法进一步优化的主要因素。为解决模型预测控制算法设计与算法计算量之间的矛盾,业界提出了基于神经网络的变流器模型预测控制算法,采用神经网络拟合模型预测控制算法的外特性,并基于神经网络在线计算变流器的最优控制量。
在基于神经网络的变流器模型预测控制算法中,系统的控制性能取决于所采用的神经网络控制模型,而变流器系统的负载不同对应的神经网络控制模型也不同,因此为提高神经网络控制模型的适应性,需及时识别出变流器的负载类型。
在传统基于电压电流关系的负载类型辨识方法中,至少需要获取一个周期的电压电流信号,存在计算复杂、精度低等问题,且容易受到干扰。基于此,为快速、准确识别出变流器的负载类型,本方案首先筛选反映变流器负载类型的系统状态变量,再通过卷积神经网络对采样的状态变量进行计算,得到变流器的负载类型。所设计的方法具有快速、准确识别变流器负载类型,且抗干扰性强的优势。
实现思路