臺灣博碩士論文加值系統

電力品質被認為是電力系統運轉平順的最必要功能之一，主要是由於產生雜訊之負載快速增加，同時有些負載對於出現在供電系統中的雜訊具敏感性。有鑑於現有之電力品質干擾波形辨識技術主要是對波形利用目視的檢驗方法進行之，故本研究發展一套以類神經網路為基礎的電力品質干擾波形自動分類辨識系統。本文提出一種應用階層式神經網路之新方法來辨識電力品質干擾事件，並且將之以場規劃邏輯閘陣列設計方式實現。本文所提出之階層式神經網路架構乃結合類神經網路中的自組織映射圖網路與學習向量化網路，其中自組織映射圖網路以非監督式學習法則調整其各神經元連結之權重，可提供輸入向量的近似(粗略)計算，換言之自組織映射圖網路輸出的結果可視為此階層式網路的第一階段處理結果。階層式網路中的第二階部分為學習向量化網路所構成，屬於監督式之學習方式，對前一級的分類資訊再次進行的辨識，以改善提升分類與辨識的效能。整體而言，階層式電力品質事件辨識系統乃將全部的輸入向量分成數個小群組，每個群組需求的計算量因之非常小，可以提高辨識的準確度。本文所提出之階層式辨識系統演算法並以場規劃邏輯閘陣列設計方式實現之，其中採用系統可程式晶片之方式來設計實現硬體電路，文中並且描述硬體設計程序中相關之合成、佈局和驗證的過程，最後，經由測試實驗，證實本文所提出之網路演算法及其硬體實現確為可行。

Power quality (PQ) is recognized as an essential feature of a successful electric power system mainly due to the rapid increase of loads which generate noise and, at the same time, are sensitive to the noise present in the supply system. Existing techniques for recognizing and identifying power quality disturbance waveforms are primarily based on visual inspection of the waveform. It is the purpose of this study to bring to bear a recent advance method based on the artificial neural network to the problem of automatic power quality disturbance waveform classification. This study proposes a new approach to classify various types of power quality disturbance events based on a hierarchical artificial neural network and presents its implements on a field programmable gate array (FPGA). This proposed hierarchical neural network utilizes self-organizing feature map (SOM) networks and learning vector quantization (LVQ) networks. In the proposed network, the SOM networks provide an approximate method for computing the input vectors in an unsupervised manner with the approximation being specified by the synaptic weight vector of the neurons in the SOM. The computation of the SOM may therefore be viewed as the first stage of the proposed hierarchical network for solving the PQ classification problem. The second stage is provided by the LVQ networks. The LVQ network is based on a supervised learning techniques that uses class information to improve the quality of the classifies from the first stage. The multistages hierarchical classifier attempts to factorize the overall input vector into a number of small groups, each of which requires very little computation. Therefore, by use of the hierarchical classifier, the loss in accuracy can be small. The solution algorithm based on the proposed hierarchical network is then implemented by FPGA. This work presents the actual design of a system on a programmable chip (SOPC), and describes the related synthesis, layout, and verification phases. Finally, the effectiveness of the proposed algorithm and its hardware implementation is verified through various test experiments.

目錄
中文摘要 I
英文摘要 II
誌謝 IV
目錄 V
圖目錄 IX
表目錄 XII
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 內容大綱 4
第二章 電力品質干擾事件 5
2.1 簡介 5
2.2 電力品質干擾事件之種類及其影響 7
2.2.1 電壓中斷 9
2.2.2 電壓突升 10
2.2.3 電壓突降 11
2.2.4 電力諧波 12
2.2.5 電壓閃爍 15
2.3 電力品質干擾事件之辨識與改善 18
2.3.1 電壓中斷 18
2.3.2 電壓突降 18
2.3.3 電壓突升 19
2.3.4 電力諧波 20
2.3.5 電壓閃爍 22
第三章 類神經網路 24
3.1 類神經網路發展階段 24
3.2 類神經網路之原理及模型運作 26
3.2.1 原理 26
3.2.2 模型運作 27
3.3 各種類神經網路特性之比較 29
3.4 自組織映射圖(SOM)神經網路 31
3.4.1 SOM神經網路結構 31
3.4.2 SOM神經網路演算法則 36
3.5 學習向量化(LVQ)神經網路 38
3.5.1 LVQ神經網路架構 38
3.5.2 LVQ神經網路演算法則 39
3.6 類神經網路訓練注意事項 41
第四章 電力品質辨識系統之原理與測試 42
4.1 簡介 42
4.2 串連式SOM-LVQ神經網路辨識系統 44
4.2.1 建構方法與程序 44
4.2.2 架構說明 46
4.2.3 建立訓練資料 52
4.2.4 模擬測試 55
第五章 SOPC嵌入式系統設計方法 65
5.1 嵌入式系統 65
5.2 嵌入式系統之硬體組成架構 68
5.2.1 嵌入式系統微處理器 68
5.2.2 記憶體 71
5.2.3 通訊介面 71
5.3 嵌入式系統軟體開發 72
5.4 SOPC系統 74
5.4.1 SOPC設計流程 75
5.4.2硬體設計 76
5.4.2.1 SOPC晶片 76
5.4.2.2 SOPC嵌入式處理器、匯流排、週邊元件與IP 77
5.4.2.3 EDA硬體發展工具 80
5.4.2.4開發環境 81
5.4.3軟體設計 83
5.4.4量產轉移程序 83
第六章 系統實現與驗證 84
6.1 簡介 84
6.2 Nios辨識系統硬體模組設計流程 85
6.2.1 設計系統模組 87
6.2.2 系統編譯 92
6.2.3 下載規劃APEX晶片 94
6.3 Nios辨識系統應用程式軟體設計流程 96
6.3.1 演算法則 97
6.3.2 應用程式設計 100
6.4 系統晶片效能驗證流程 101
6.4.1 訓練資料與神經網路參數 101
6.4.2 系統晶片辨識結果 103
第七章 結論與未來展望 111
7.1 結論 111
7.2 未來展望 111
參考文獻 113

參考文獻
[1]江榮城，電力品質實務(一、二)，台北，全華科技圖書股份有限公司，2000年。
[2]“IEEE Recommended Practice for Monitoring Electric Power Quality, IEEE Standard 1159-1995,” IEEE, New York, 1995.
[3]江榮城，「諧波概論與諧波事故問卷調查」，電力電子技術，第47期，1998年10月，第15至36頁。
[4]周翌生，「電力系統諧波問題之探討」，電機月刊，第六卷第十期，第139頁至143頁。
[5]陳建富，電力品質監測儀表系統設計，中原大學電機工程學系碩士論文，1999年。
[6]粘遙輝，類神經網路於電力品質干擾波形之辨識，淡江大學電機工程學系碩士論文，2002年。
[7]洪瑤，「電力系統諧波問題探討」，台電工程月刊，第547期，第11至21頁。
[8]何信龍，「電壓閃爍介紹與改善」，電力電子技術，第47期， 1998年10月，第70至84頁。
[9]W. D. Stevenson Jr., Element of Power System Analysis, Mc Graw-Hill, New York, 1982.
[10]G. T. Heydt, Electric Power Quality, Star in a Circle Publications, Indiana, 1991.
[11]W. McCulloch and W. Pitts, “Bull Math Biophys,” 1943, pp. 115-133.
[12]F. Rosenblatt, Principles of neuro-dynamics, Spartan Books, New York, 1959.
[13]B. Widrow, Generalization and Information Storage in Networks of Adaline Neuron, in Self-Organizing Systems 1962, M. Yovitz, G. Jacobi, G. Goldstein, Eds. Washington, DC: Spartan Books, 1962.
[14]B. Widrow, “Adaptive Noise canceling: Principles and Applications,” Proceedings of the IEEE, Vol. 63, 1975, pp.1692-1716.
[15]T. Kohonen, Self-Organizing Maps, Springer-Verlag, 1995.
[16]G. A. Carpenter and S. Grossberg, “A Massively Parallel Architecture for a Self-Organizing Neural Pattern Recognition Machine,” Computer Vision Graphics Image Process, Vol. 37, 1987, pp. 54-115.
[17]J. Hopfield, “Neural Networks and Physical with Emergent Collective Computational Abilities,” Proc. Natl. Acad. Sci USA, 1982.
[18]羅華強，類神經網路-MATLAB的應用，清蔚科技出版，2001年。
[19]N. K. Bose, and P. Liang, Neural Network Fundamentals with Graph, Algorithms, and Applications, McGRAW-HILL, 1996.
[20]K. D. Arun, Artificial Neural Networks for Image Understanding, Van Nostrand Reinhold, 1994.
[21]B. M. Christopher, Neural Networks for Pattern Recognition, Oxford Clarendon Press, 1995.
[22]L. G. Carl, Pattern Recognition Using Neural Network: Theory and Algorithms for Engineers and Scientists, Oxford University Press, 1997.
[23]F. M. Ham and I. Kostanic, Principles of Neurocomputing for Science & Engineering, McGRAW-HILL, 2001.
[24]葉怡成，類神經網路模式應用與實作，儒林圖書公司，2000年四月。
[25]蘇木春，張孝德，機器學習類神經網路、模糊系統以及基因演算法則，台北，全華科技圖書股份有限公司，2001年。
[26]L. I. Perlovsky, Neural Network and Intellect, New York, Oxford University Press, 2001.
[27]關鐵漢，類神經網路在輸電線故障偵測與故障相判別之研究，台灣大學電機工程學研究所碩士論文，2003年。
[28]鄭錦聰，MATLAB程式設計，全華科技圖書股份有限公司，2000年。
[29]蒙以正，MATLAB5專業設計技巧，碁峯資訊有限公司，1998年。
[30]Matlab User’s Guide, 2001.
[31]Simulink User’s Guide, 2001.
[32]蘿珊智慧型科技工作室，MATLAB入門及應用，松崗電腦圖書資料股份有限公司，1999年。
[33]呂明和，黃逸群，MATLAB 6在工程上的應用，普林斯頓國際有限公司，2003年1月。
[34]探矽工作室，2002嵌入式系統開發聖經，學貫行銷股份有限公司，2002年。
[35]蕭如宣，SOPC系統設計，儒林圖書公司，2003年6月。
[36]“Embedded Processor System Design,” http://www.altera.com/products/ip/processors/nios/nio-index.html .
[37]“Nios Embedded Processor System Builder Tutorial,” http://www.altera.com/support/ip/processors/nios2/ips-nios2_support.html.
[38]“SOPC Builder Data Sheet,” http://www.altera.com/literature/ds/ds_sopc.pdf .
[39]謝佳銘，嵌入式SoC-Based監視系統之設計實現，成功大學製造工程研究所碩士論文，2002年七月。
[40]吳家頎，指紋辨識的系統晶片，台灣科技大學資訊工程系碩士論文，2003年七月。
[41]葉健福，SOPC為基礎之永磁同步馬達遠端監控系統設計，國防大學中正理工學院電子工程研究所碩士論文，2003年五月。