基于ADALINE神经网络的电能质量监测终端设计

景 飞，周雒维，卢伟国

（重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆 400044）

基于ADALINE神经网络的电能质量监测终端设计

景 飞，周雒维，卢伟国

（重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆 400044）

谐波频谱检测是电能质量监测仪器的核心功能，其检测频谱是进行各种电能质量特征值运算的前提。传统以STFT为检测算法的电能质量终端由于时间窗固定，不具有暂态情况下的谐波分析能力。而诸如小波变换、S变换等算法则由于运算量巨大不利于谐波实时在线监测。针对这种情况，设计了一种以DSP为处理器，基于自适应线性神经网络（ADALINE）的电能质量监测终端。详细介绍信号接口电路、调理电路、PLL倍频电路、AD转换电路的硬件设计，给出了自适应线性神经算法推导和DSP数据处理框图。实验表明，所构建系统在运算量不大的情况下增强了暂态谐波测量能力，同时利用ADALINE误差信号可对电压暂降进行精确时间点定位。

ADALINE神经网络；电能质量；暂态谐波检测

电能质量监测终端是电能质量监测系统的重要组件，其核心功能之一是捕捉和评估监测点以谐波为代表的波形畸变。在铁路负载工况变化、新能源发电以及直流输电换流站扰动［1-3］等情况下，畸变信号中包含非周期分量，此时谐波频谱会在短时间内发生变化，形成暂态谐波［4］。

工程上常采用短时距傅里叶变换STFT（short-time Fourier transform）算法计算信号谐波频谱［5-6］。这种方法一定程度上解决了Fourier变换不具有局部时间分辨能力的缺陷，能够在固定时间窗口内提供频谱检测值。但其窗口不具有自适应性，难以同时具备高时间分辨率和高频率分辨率，在谐波频谱暂态变化时无法给出详细的谐波频谱测量结果［7］。对此，大量算法［8-11］诸如小波变换、滤波器组、S变换、希尔伯特算法等被提出，用以改善捕捉暂变信号的能力。但在IEC61000标准与国标GB145 49-93等谐波标准框架下，上述方法由于计算量巨大难以用于谐波频谱的暂态实时测量。

随着近年来神经网络算法的大量应用［12］，单层自适应神经ADALINE神经网络算法作为一种高精度的谐波监测算法，被广泛应用于电能质量谐波频谱提取［13］。与STFT不同，自适应线性神经网络ADALINE（adaptive linear）算法不受时间窗的约束，可以在线不断调整权系数，逐点监测信号频谱，非常有利于检测暂态信号频谱。此外，该算法结构简单，适合在数字处理系统中实现，提高了其应用的可能性。然而大量关于ADALINE的文献仅仅停留在理论仿真阶段或只以LabVIEW软件的形式实现［14、15］，往往只关注谐波检测精度的提升，未给出其暂态检测能力的分析［16］，也没有真正把算法应用于实际监测仪器与现场检测中，致使理论算法不能切实应用于实际监测终端。

针对这种情况，本文设计了一种以DSP为嵌入式处理核心［12,17］，基于ADALINE神经网络算法的电能质量监测终端原型机，适合于实时现场监测电能质量信息。首先推导了算法的模型和计算方式，之后阐述了监测电路硬件设计和DSP运行程序框图，最终通过实验说明监测仪器相对于传统STFT仪器在提取暂态频谱上的优越性，实现了ADALINE神经网络算法理论与实际硬件的结合。

1 ADALINE神经计算模型

含有m次谐波的信号可以离散表示为

式中：ω为基波数字角频率；N为分析窗口内包含的基波周期数；m为某一频率谱线次数；M为系统能够达到的最大谱线数目；m/N为谐波次数；am与bm为正弦项与余弦项的权系数。式（1）可进一步表示为

式中：cm为m次谐波幅值；φm为其相角。

ADALINE神经网络模型如图1所示。其计算过程首先应该确定被测信号的基波频率ω=2πf，再乘以代表谐波次数的算数因子m/N，取正弦和余弦即可得对于到输入向量，即

图1 ADALINE神经网络原理框图Fig.1 Schematic diagram of ADALINE neural

在基波频率ω一定的情况下，输入向量中采样点n是可变量。而对于某个采样点n，xk表示在该点进行k次循环之后的输入向量。结合式（1）与图1可以写出此时权向量wk的表达式为

那么，对于采样点n，进行k次循环之后，ADALINE系统的输出可以表示为

即可得到此时ADALINE输入与n点实测信号的误差信号为

以ek作为输入信号，本文选取文献［12］变步长最小均方根VSLMS（variable step least mean squareroot）算法进行步长的逐次调整，输出权向量的微调信号，叠加得到wk+1进行下一次计算，即

VSLMS对于权向量的步长调整可表示为

式中，μk为第k次调节的更新步长。更新步长可以由学习率的表达式构成，即

式中：0＜α＜1；γs为表示学习率，γs＞0；为平滑梯度向量，其计算方法为

式中，β为趋向为1的平滑因子，0＜β＜1。

对N个采样点进行k次ADALINE计算，通过VSLMS不断调整权值，即可获满足某种误差精度下的wk（am，bm），进而利用式（2）～式（4）即可求出待测电压电流信号的频谱。在已求得 N个点的ADALINE神经网络模型之后，用上述方法对每一组新采样点（本文设计为总采样点数的10%）进行计算，这样在计算时不断更新权向量，实时进行频谱调整，避免了典型的FFT加窗操作，从而提高了系统频谱分析的实时性能。

2 监测终端的系统设计

为真正实现并验证算法有效性，本文设计了电能质量监测终端原型机，其系统结构框图如图2所示。电流电压信号首先通过霍尔传感器接口电路将外部信号引入测量系统，之后通过滤波与AD7606芯片采集进入DSP处理器TMS320F28335，AD芯片的驱动和电网基波频率通过PLL锁相环和频率测量电路获得。采集系统的设计目标如表1所示。

图2 监测终端系统框图Fig.2 Block diagram of monitoring terminal system

表1 电能质量监测终端设计指标Tab.1 Terminal design index for power quality monitoring

2.1 系统接口硬件设计

考虑到系统能够测量到最大50次谐波（2.5 kHz）的同时，需要滤除测量范围以外的信号以保证排除频率混叠，本文选用linear椭圆低通滤波芯片LTC1567-7。该芯片在过渡带1.5倍截止频率衰减可达到50 dB，通带内波动很小，其通带内群时延基本是一个常数，从而保证输入输出波形变化量很小，其接线电路如图3所示。

图3 滤波电路、AD转换电路及DSP接口电路Fig.3 Filter circuit,AD converter and interface circuits of DSP

为留一定裕量，系统选用4 kHz截止频率，在Rx引脚与VCC之间接20 kΩ电阻，时钟使用内部时钟源16分频，将DIV引脚接高电平，这样截止频率就配置成与设计目标一致。

图3中，AD芯片使用ADI公司的八通道同步采集芯片AD7606。该16位AD芯片内置钳位保护电路与二阶低通滤波器，模拟输入阻抗达1 MΩ，这种特性可以简化AD芯片的输入电路设计。AD7606芯片使用RANGE引脚调节输入范围此处接地使其限定在-5～+5 V范围内。为精确测量，REFSEL引脚需接地，以外部稳压芯片ADR421提供2.5 V基准电压。SER/PER_SEL接口接地，这样系统即可工作在速度更快的并行模式下。配置OS0、OS1、OS2接线电平为011（3.3 V为1），AD7606将以60 k B/ s的采样速率工作在8倍过采样模式下，在不失采样速率的同时，减小了系统误差。其余接口作为控制口与DSP的XINTF接口进行连接。进行如上配置以后，DSP芯片即可对AD进行控制与数据传输，采样触发信号由PLL倍频信号U7提供。此外本系统使用DSP的eCAP模块进行硬件频率测量，图3中采样信号经过频率测量电路转换为方波信号U6后送入该模块计算频率值。

PLL与频率测量电路如图4所示。该电路为系统提供与互感器电路的电网基波频率测量接口，同时为AD电路提供采样触发（6.4 kHz）。传统检测仪器只利用单相电压信号测量系统频率，将导致该相断电后频率测量无法进行。考虑此情况，首先通过运放对三相输入电压信号进行Ua+Ub-Uc运算得到U1信号，则任意相电压信号存在，即可进行测量频率。之后U1信号进入中心频率为50 Hz的二阶多反馈带通滤波器，提取其基波频率正弦信号U2，使用运放比例环节控制其峰峰值在5 V范围内，再将其平均值提升至2.5 V，可得到带直流偏置的正弦信号U3。将U3输入至比较器，输出方波信号U4。观察图4，通过外接比例电阻，使得TLC372比较器芯片带有迟滞比较功能，50 mV噪声信号能够被有效抑制，避免了产生误触发。后级电路为HCPCD4046锁相环芯片与CD4040计数器芯片组合构成的PLL的锁相倍频电路。U4经过倍频后可得到6.4 kHz（128倍频）驱动信号U5。，将U4、U5经过光耦芯片HCPL2630将电平隔离并由5 V转成3.3 V接口电压的U6、U7信号。U6可送入DSP的ECAP模块中进行频率测量。U7信号接AD7606的CONVSTA与CONVSTB引脚驱动AD芯片同步采集8路信号。

图4 PLL与频率测量电路Fig.4 PLL and frequency measurement circuits

2.2 DSP数据处理框图

DSP数据处理框图见图5。为保证数据的连续采集并计算，本文设计了并行双循环模式：数据采集循环和数据计算循环。以外部CONVST（U7）信号为触发，利用DSP的DMA1模块，单次每一个触发将8个通道一个采样点数据（8×1个数据）运至片外RAM，当数据量达到8通道10个周波（1 024×8个点）时进入DMA1中断，此时DMA2启动将片外数据一次性搬运至片内进行ADALINE及电能质量运算。之后在数据不满8×1 024点时，两个循环将并行运行，在处理旧数据时，新数据也同时被采集，这样就保证了DSP计算的实时性。

图5 DSP数据处理框图Fig.5 Block diagram of DSP data processing

3 功能实验测试

图6为本文所设计的实验电路，该电路硬件上主要分为接口主板与DSP电路两部分。接口主板完成对输入被测信号的降压变换与预处理，包括传感器、滤波电路、电源电路、PLL电路；DSP电路主要完成本文采用的软件算法。

图6 实验电路Fig.6 Designed circuit for experiment

为测试本文所设计系统以及ADALINE神经网络的频谱计算的有效性，本文使用Chroma-61703可编程电源产生畸变电压信号用于测试所提ADALINE方法的有效性，测试信号可以表示为

式（14）所示信号y（t）及其FFT分析结果如图7所示。通过改变信号幅值可以得到图8所示的整体波形信号。由图8可见，在A点之前是信号幅值是式（14）的0.5倍，之后在A-B段发生暂态提升，在B点之后B-E段为恢复到正常幅值，在E-F区域发生电压暂降，为之前的0.5倍。

图7 测试信号稳态波形Fig.7 Steady-state waveforms of test signal

图8 测试信号总体变化趋势图Fig.8 Overall trend of the signal test

3.1 稳态测试

稳态测试区间为图8的C-E区域，采用ADALINE与工程上最常用的STFT变换进行对比。由于chroma仪器本身的波形失真度小于0.1%，故进行误差计算时可以近似认为式（14）与真实信号相等。表2为稳态计算结果及误差对比分析，由表可以观察到ADALINE神经整体上误差优于与汉明窗FFT分析结果。

3.2 暂态测试

暂态测试区域分成两部分：A-B-C区域和E-F区域。前者是信号幅值缓慢变化的暂态谐波情况；后者则是电压幅值在某一时刻突变的情况。由式（1）可知，当STFT分析窗口中基波周期数目N增大时，基频频率ω/N将减小，频率分辨率增高，但是由于窗口增大时间分辨率降低。反之，则时间分辨率减小，时间分辨率增高。对此，IEC61000-4-7标准推荐谐波分析窗口应为10个工频周期（50 Hz系统），以达到5 Hz的频率分辨率，并且分析窗口不重合。本文基于此种规定，在A、B、C三点分别对被测信号进行STFT分析，分析结果如图9所示。图8中点A、B、C对应该图9的3个平面。实点表示较大频谱值在平面上的投影，用虚线连接以表示其变化规律。

表2 稳态计算结果分析Tab.2 Calculation of steady state waveforms

ADALINE神经的计算方式与窗口大小的选取没有关系。在规定的200 ms窗口内，该算法每次只更新一部分点（最小为1）进行权值调整。每次更新计算过后即可得到一次频谱分析结果。本文采用每次更新10%的点来进行计算，200 ms内即可得到10次频谱更新值。对于A-B的暂升阶段就可绘制出图10所示的频谱图。图10中平面A（对应A点）与平面B（对应B点）中间部分即为暂态变化阶段频谱。对比图9与图10可知，所设计的电能质量监测终端使用ADALINE神经在处理暂态信号时，比STFT检测仪器具有更加详细的暂态分析能力，能够为电能质量监测提供更多参考数据，更有优势。

图9 STFT暂态测量结果Fig.9 Transient spectrum calculated results by STFT

图10 ADALINE暂态测量结果Fig.10 Transient spectrum calculated results by ADALINE

图11 电压暂降点波形Fig.11 Waveforms of voltage sag

图12 暂降点ADALINE误差信号Fig.12 ADALINE error signal at the point of voltage sag

E-F区域的暂降点细节波形如图11所示，发生跳变前后的ADALINE误差电压信号波形如图12所示。在幅值跳变点0.10 s处，误差信号发生突变，在0.04 ms后误差信号重新趋于0。这种误差突变特性，表明ADALINE神经具有定位电压暂降的能力，在测定跳变前后的频谱后，即可算出电压暂降的幅度。而STFT分析不具时间的定位能力，不能给出突变时间信息。利用ADALINE神经能够给出突变点的特点，再结合较短时间窗内的STFT给出幅值，为监测终端的电压暂降检测提供了精确的暂降时间与深度信息。

4 结语

本文以ADALINE神经网络算法为核心设计了电能质量监测仪器。详细推导ADALINE神经网络的模型并给出了频谱求解方法。在此基础上，给出了监测仪器接口主要电路设计。最后，利用可编程电源测试了所设计监测仪器在谐波存在情况下的稳态和暂态频谱分析的有效性，发现相比于工程上采用STFT分析的监测仪器，本仪器能够给出更加精确的暂态谐波检测值，同时在电压暂降时可以利用误差信号精确定位到暂降点，从而及时发现电压暂降。

［1］何正友，胡海涛，方雷，等.高速铁路牵引供电系统谐波及其传输特性研究［J］.中国电机工程学报，2011，31（16）：55-62. He Zhengyou,Hu Haitao,Fang Lei,et al.Research on the harmonic in high-speed railway traction power supply system and its transmission characteristic［J］.Proceedings of the CSEE,2011,31（16）：55-62（in Chinese）.

［2］郝巍，李兴源，金小明，等.直流输电引起的谐波不稳定及其相关问题［J］.电力系统自动化，2006，30（19）：94-99. Hao Wei,LI Xingyuan,Jin Xiaoming,et al.A survey of harmonic instability and related problem caused by HVDC［J］.Automation of Electric Power Systems,2006,30（19）：94-99（in Chinese）.

［3］吴辉,林芳,刘鸿鹏,等.光伏并网逆变器的电能质量分析［J］.电源学报，2013，11（1）：84-88. Wu Hui,Lin Fang,Liu Hongpeng,et al.Analysis of Power quality for grid-connected photovoltaic inverter［J］.Journal of Power Supply,2013,11（1）：84-88（in Chinese）.

［4］薛蕙，罗红.小波变换与傅里叶变换相结合的暂态谐波分析方法［J］.中国农业大学学报，2007，12（6）：89-92．Xue Hui,Luo Hong.Transient harmonic analysis algorithm using wavelet transform and fourier transform［J］.Journal of China Agricultural University,2007,12（6）：89-22（in Chinese）.

［5］汤天浩，郑慧.一类半波对称FFT改进算法与电网谐波分析［J］.电源学报，2011，9（2）：80-85. Tang Tianhao,Zheng Hui.An improved half wave symmetric FFT algorithm for grid harmonics analysis［J］.Journal of Power Supply,2011,9（2）：80-85（in Chinese）.

［6］Chia M H,Khambadkone A M.Subcycle voltage dip classification using matrix pencil method with ellipse fitting algorithm［J］.IEEE Transactions on Industry Applications,2015, 51（2）：1660-1668.

［7］Lin Tao,Domijan A.On power quality indices and real time measurement［J］.IEEE Transactions on Power Delivery,2005,20（4）：2552-2562.

［8］肖助力，龚仁喜，陈双，等.基于改进 S变换的电力系统谐波检测方法［J］.电力系统保护与控制，2015,43（3）：84-90．Xiao Zhuli,Gong Renxi,Chen Shuang,et al.Detection of harmonics in power system based on modified S-transform［J］.Power System Protection and Control,2015,43（3）：84-90（in Chinese）.

［9］Granados-Lieberman D,Valtierra-Rodriguez M,Morales-Hernandez L A,et al.A hilbert transform based smart sensor for detection classification and quantification of power quality disturbances［J］.Sensors,2013,13（5）：5507-5527.

［10］Thirumala K,Umarikar A C,Jain T.Estimation of singlephase and three phase power quality indices using empirical wavelet transform［J］.IEEE Transactions on Power Delivery, 2014,30（1）：445-454.

［11］Duque C A,Silveira P M,Ribeiro P F.Visualizing timevarying harmonics using filter banks［J］.Electric Power Systems Research,2011,81（4）：974-983.

［12］林霏,李建明.基于DSP的谐波与无功电流检测方法实现［J］.电源学报,2004,2（1）：58-60. Lin Fei,Li Jianming.The detection methods ofharmonic and reactive current based on DSP［J］.Journal of Power Supply, 2004,2（1）：58-60（in Chinese）.

［13］Hwang J K,Li Yuanping．Variable step-size LMS algorithm with a gradient-based weighted average［J］.IEEE Signal Processing Letters,2010,16（12）：1043-1046.

［14］Chang G W,Chen C I.A two-stage ADALINE for harmonicsand interharmonics measurement［J］.Industrial Electronics IEEE Transactions on,2009,56（6）：2220-2228.

［15］Singh B,Verma V,Solanki J.Neural network based selective compensation of current quality problems in distribution system［J］.IEEE Transactions on Industrial Electronics,2007,54（1）：53-60.

［16］陈国志，陈隆道，蔡忠法.基于MSWF和改进Adaline神经网络的间谐波分析［J］.电力自动化设备，2010,30（4）：55-58．Chen Guozhi,Chen Longdao,Cai Zhongfa.Interharmonic analysis based on multi-stage wiener filter and improved Adaline neutral network［J］.Electric Power Automation E-quipment,2010,30（4）：55-58（in Chinese）.

［17］杨聪哲，黄细霞，付祥，等.基于DSP的电能谐波含量实时监测装置［J］.电源学报,2013，11（6）：41-45. Yang Congzhe,Huang Xixia,Fu Xiang,et al.Real-time electric power harmonic ingredient monitoring device based on DSP［J］.Journal of Power Supply,2013,11（6）：41-45（in Chinese）.

［18］Valtierra-Rodriguez M,Romero-Troncoso R D J,Garcia-Perez A,et al.Reconfigurable instrument for neural network based power quality monitoring in 3 phase power systems［J］.IET Generation,Transmission& Distribution, 2013,7（12）：1498-1507.

Design of Power Quality Monitoring Terminal Based on ADALINE Neural

JING Fei,ZHOU Luowei,LU Weiguo
（State Key Laboratory of Power Transmission Equipment&System Security and New Technology Chongqing University,Chongqing 400044,China）

The core function of Power quality terminal is to calculate the spectrum of signals in power system.The common technique for that is the short-time Fourier transform（STFT）.Its disadvantages for assessing transient signals are well known because of a fixed window and multiple new time-frequency algorithms such as wavelet transforms,S-transforms were introduced.Nevertheless,these new algorithms are too complicated to achieve for real time application. To face this issue,this paper proposes a monitoring instrument with adaptive linear（ADALINE）neuron algorithm.The derivation of ADALINE is first introduced,then detailed component circuit design（including conditioning circuit,PLL circuit and ADC circuit）and DSP’s data flow diagram are given.The experiment results show that the proposed instrument is able to calculate the spectrum of transient signals and have the ability to capture voltage dips.So this work offers a solution for continuous and online power quality monitoring terminal.

ADALINE neuron；power quality；transient harmonic detection

景飞

10.13234/j.issn.2095-2805．2017．3.118

：TM 935

：A

景飞（1989-），男，通信作者，硕士研究生，研究方向：电能质量检测技术及嵌入式检测仪器设计研究，E-mail：jingfei@ cqu.edu.cn。

2015-12-08

周雒维（1954-），男，博士，教授，博士生导师，研究方向：电力电子技术、电路理论及应用，E-mail：zluowei@cqu.edu.cn。

卢伟国（1977-），男，博士，副教授，博士生导师，研究方向：开关功率变换器的稳定性分析与控制，E-mail：luweiguo@ cqu.edu.cn。