以類神經網路為基礎之時頻域混合交流電弧爐模型於電力品質分析之應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：35

、訪客IP：18.224.44.108

姓名

嚴柔安(Jou-An Yen) 查詢紙本館藏

畢業系所

電機工程學系

論文名稱

以類神經網路為基礎之時頻域混合交流電弧爐模型於電力品質分析之應用
(A Neural-Network-Based AC EAF Model on Time and Frequency-Domain for Power-Quality Study)

相關論文

★ 高效能電子轉向控制器設計	★ 微電網能源管理系統優化調度基於螢火蟲移動迴歸策略
★ 以半區間法為基礎之最大功率追蹤技術於能源轉換系統之設計	★ 智慧型電力品質事件辨識技術於分散式能源之監測辨識系統開發
★ 以自適應性線性濾波器與頻率檢測法為基礎之並聯主動式電力濾波器設計	★ 以互補式單側多脈波寬度調變之低電流漣波高增益比昇壓轉換器研製
★ 以虛擬同步發電機為基礎之微電網轉換器控制算法設計	★ 以IEEE 1459標準為基礎之選擇性補償策略應用於並聯式主動電力濾波器設計
★ 結合雙二階廣義積分法與鎖頻迴路為基礎之串聯式主動電力濾波器設計	★ 微電網與市電併聯之同步控制器設計
★ 以自適應性為基礎之遞迴式最小二乘方法應用於配電型靜態同步補償器設計	★ 磁共振式無線功率傳輸系統之線圈及鐵氧體設計與分析
★ 具共振頻率切換之多輸出無線功率傳輸裝置研製	★ 高功率雷射源之切換式電源供應器
★ 應用於微電網故障保護之專家系統	★ 微電網之孤島與併網模式切換技術

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

電力系統中，電壓變動劇烈時，會導致日光燈等日常燈具光線閃變，使人眼視覺不適，並導致電力電子儀器的損害，造成電力系統中電壓變動劇烈的原因包括電弧爐、軋鋼馬達設備、高週波感應爐等非線性負載。電弧爐廣泛的應用於煉鋼工業，有低電壓和高電流的特性，藉由電弧產生高溫，用來熔解冶煉的廢料，冶煉過程中會造成電壓劇烈變動，使電壓閃爍情況嚴重，造成不可忽視的電力品質汙染問題，因此我們希望制定一個準確的電弧爐模型，改善現代電力系統中之電力品質汙染問題。
類神經網路具有強大的學習能力與解決高度非線性問題的能力，而電弧爐就是一個高度非線性負載，因此本文以類神經網路為基礎，建立電弧爐模型。本論文提出以小波轉換(DWT)與徑向基底函數類神經網路(RBFNN)為基礎，模擬交流電弧爐的動態電壓-電流特性。在模擬案例中，先以小波轉換分類資料群，再以徑向基類神經網路建構模型，並提出決定RBFNN初始值得方法，再以查找表(LUT)建立不同運轉時期電弧爐的電壓-電流特性。透過實驗得到的結果與實際量測數據相比，發現本文所提出方法可以準確的預測交流電弧爐的動態電壓-電流特性曲線。最後，根據所本文建立之電弧爐負載模型，透過 MATLAB進行完整的鋼鐵廠電力系統模擬。本文所提出的方法也可以應用在其他高度非線性負載，評估抑制電力系統擾動裝置的影響。
關鍵字:電弧爐、輻狀基底類神經網路、離散小波轉換、動態電壓-電流特性曲線、電壓閃爍

摘要(英)

When the voltage fluctuation occurs in the power systems, the lighting equipment would be disturbed to cause annoying variations may cause annoying variations in the output. In addition, the devices with power electronic would also be damaged.
The main causes of the voltage flicker are from those nonlinear loads such as electric arc furnace, motor drives in rolling mills, and high-frequency induction furnaces, etc. The device mentioned above like EAF is widely used in industry which has the characteristics of low voltage and high current to generate the high temperature to melt the materials. This melting process will cause the power quality(PQ) problems like voltage fluctuations which cannot be ignored. As the result, it is necessary to establish an accurate model of the electric arc furnace to improve the power quality of system.
It is known that artificial neural network is a powerful scheme for function learning and modeling nonlinear loads. This thesis proposed a discrete wavelet transform(DWT) and radial basis function neural network(RBFNN) based method for modeling the dynamic voltage-current characteristics of the electric arc furnace. In this study, a combination of the DWT and the RBFNN with parameters initialization algorithm is proposed to build the EAF voltage-current characteristics with enhanced look-up table for different operation stages. It is found that the estimated errors between experiment results obtained by this proposed model and measured data can be effectively reduced. Finally, the proposed EAF model would be realized with MATLAB program to verify the PQ analysis in the power system.

Keywords: Electric arc furnace, RBFNN, DWT, voltage-current characteristics, voltage fluctuations.

關鍵字(中)

★ 電弧爐
★ 輻狀基底類神經網路
★ 離散小波轉換
★ 動態電壓-電流特性曲線
★ 電壓閃爍

關鍵字(英)

★ Electric arc furnace
★ RBFNN
★ DWT
★ voltage-current characteristics
★ voltage fluctuations

論文目次

摘要 i
ABSTRACT ii
目錄 iii
圖目錄 v
表目錄 viii
第一章緒論 1
1.1 研究背景與動機 1
1.2 研究目的與方法 3
1.3 研究內容概要 3
第二章交流電弧爐運轉特性與電力品質影響 5
2.1 交流電弧爐 5
2.2 電弧爐各期運轉特性 8
2.2.1 點弧期 9
2.2.2 熔解期 10
2.2.3 精煉期 11
2.3 電壓閃爍 12
2.3.1 ΔV10之評估方法 13
2.3.2 UIE/IEC標準之電壓閃爍評估指標 15
2.4電力諧波(Harmonics) 19
第三章交流電弧爐建模方法 21
3.1 諧波注入法 22
3.1.1 諧波電流注入模型(HCIM) 23
3.1.2 諧波電壓源模型(HVSM) 24
3.2 以類神經網路為基礎之時域建模 25
3.2.1 倒傳遞類神經網路 28
3.2.2 輻狀基底類神經網路架構 28
3.3 輻狀基底類神經網路初始值設定 32
3.3.1 隨機取樣法 32
3.3.2 改良之初始值選定方法 33
3.4以查表法對類神經基底的電弧爐v-i特性建模 36
第四章本文提出之研究架構 38
4.1 利用小波轉換分類電弧爐煉爐各期 41
4.1.1 連續小波轉換 41
4.1.2 離散小波轉換 42
4.1.3 本文使用之分類方法 44
4.2 以類神經網路為基礎之時頻域電弧爐模型 47
第五章實驗結果 51
5.1 點弧期的建模實驗結果 52
5.2 溶解期的建模實驗結果 55
5.3 精煉期的建模實驗結果 58
5.4 比較電弧爐模型實驗結果與電力品質分析 61
第六章結論與未來研究方向 65
6.1 結論 65
6.2 未來研究方向 65
參考文獻 66

參考文獻

[1]江榮城編著，電力品質，全華圖書，2012年10月。
[2]薛小生、黃郁東編著，工業配電，弘揚圖書2013年11月。
[3]羅華強編著，類神經網路MATLAB的應用，高立圖書，2011年12月。
[4] M. Gol, O. Salor, B. Alboyacı, B. Mutluer, I. Cadirci, and M. Ermiş, “A new field data-based EAF model for power quality studies,” IEEE Trans. on Industry Applications, Vol. 46, No. 3, May/June 2010, pp. 1230-1242.
[5] A. Garcia-Cerrada, P. Garcia-Gonzalez, R. Collantes, T. Gomez, and J. Anzola, “Comparison of thyristor-controlled reactor and voltage-source inverters for compensation of flicker caused by arc furnaces,” IEEE Trans. on Power Delivery,Vol. 15, No. 4, Oct. 2000, pp. 1225-1231.
[6] A Yazdani, M. L. Crow, and J. Guo, “An Improved Nonlinear STATCOM Controlfor Electric Arc Furnace Voltage Flicker Mitigation,” IEEE Trans. on Power Delivery, Vol. 24, No. 4, Oct. 2009, pp. 2284-2290.
[7] G. W. Chang. C.I. Chen, and Y. J. Liu, “A Neural Network-Based Method of Modeling Electric Arc Furnace Load for Power Engineering Study,” IEEE Trans. on Power Systems, Vol.25, No.1, Feb. 2010, pp.138.
[8] 施旻甫，應用小波轉換及類神經方法建立電弧爐動態模型與模擬分析，國立中正大學電機工程研所碩士論文，民國102年6月。
[9] 許毓仁，電壓閃爍之分析與預測，國立中山大學電機工程學系博士論文，民國101年7月。
[10]台灣電力公司電壓閃爍管制要點，台灣電力公司，民國95年。
[11] IEC Flicker Meter Functional and Design Specification, IEC Std. 61000-4-15, 1997.
[12] M. A. P. Alonso and M. P. Donsion, “An improved time domain arc furnace model for harmonic analysis,” IEEE Trans. Power Del., vol.19, No. 1, Jan. 2004, pp. 367–373.
[13] R. Horton, T. A. Haskew, and R. F. Burch, “A time-domain AC electric arc furnace model for flicker planning studies,” IEEE Trans. Power Del., Vol. 24, No. 3, Jul. 2009, pp. 1450–1457.
[14] M. T. Esfahani and B. Vahidi, “A new stochastic model of electric arc furnace based on hidden markov model–a study of its effects on the power system,” IEEE Trans. Power Del., Vol. 27, No. 4,Oct. 2012, pp. 1893–1901.
[15] F. Chen, K. B. Athreya, V. V. Sastry, and S. S. Venkata, “Function space valued markov model for electric arc furnace,” IEEE Trans. Power Syst., Vol. 19, No. 2, May 2004, pp. 826–833.
[16] S. M. M. Agah, S. H. Hosseinian, H. A. Abyaneh, and N. Moaddabi,“Parameter identification of arc furnace based on stochastic nature of arc length using two-step optimization technique,” IEEE Trans. Power Del., Vol. 25, No. 4, Oct. 2010, pp. 2859–2867.
[17] G. W. Chang, M. F. Shih, Y. Y. Chen, and Y. J. Liang, “A hybrid wavelet transform and neural-network-based approach for modelling dynamic voltage-current characteristics of electric arc furnace,” IEEE Trans. Power Del., Vol. 29, No. 2, Apr. 2004, pp. 815–824.
[18] H. Samet, M.E.H. Golshan,” Employing stochastic models for prediction of arc furnace reactive power to improve compensator performance” IET Generation, Transmission & Distribution,Vol.2,Issue.4,Jan.2008, Pages: 505 – 515.
[19] G. Carpinelli, F. Iacovone, A. Russo, and P. Varilone, “Chaos-based modeling of DC arc furnaces for power quality issues,” IEEE Trans. Power Del., Vol. 19, No. 4, Oct. 2004, pp. 1869–1876.
[20] L.-F. Pak, V. Dinavahi, G. Chang, M. Steurer, and P. F. Ribeiro, “Real-time digital time-varying harmonic modeling and simulation techniques,” IEEE Trans. Power Del., Vol. 22, No. 2, Apr. 2007, pp. 1218–1227.
[21] G.W. Chang. Y. J. Liu, and C.I. Chen, “Modeling Voltage-Current Characteristics of an Electric Arc Furnace Based on Actual Recorded Data: A Comparison of Classic and Advanced Models,” IEEE Trans. Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, July.2008.
[22] 徐維聰，應用小波轉換與類神經網路進行電力系統故障種類之判別，私立中原大學電機工程學系碩士論文，民國92年7月。
[23] S. Haykin, Neural Networks, ”A Comprehensive Foundation, Second Edition, Prentice Hall”, 1999.
[24] Cheng-I Chen, Yeong-Chin Chen, ”A Neural-Network-Based Data-Driven Nonlinear Model on Time- and Frequency-Domain Voltage–Current Characterization for Power-Quality Study,” IEEE Trans. Power Del., Vol. 30, No. 3, June. 2015.
[25]張德豐，MATLAB小波分析，機械工業出版社，2009年1月。
[26] 李宜達，控制系統設系與模擬-使用MATLAB/SIMULINK，全華圖書，2011年九月。

指導教授

陳正一(Cheng-I chen)

審核日期

2016-8-24

推文