基于小波系数PCA和SaDE-ELM的电能质量扰动信号分类

• 作者: 薛正爱 黄陈蓉 张建德 支昊 顾飞
• 来源期刊: 电工电气
• 关键词: 电能质量 多分辨分解 主成分分析 自适应差分进化 极限学习机
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 设计与研究|Design & Research
• 页码范围: 6-10
• 页数: 5页
• 分类号: TM711
• 语种: 中文
• DOI: 10.3969/j.issn.1007-3175.2021.04.002

摘要

电能质量扰动信号分类是电能质量综合治理的前提,为提高分类精度,提出一种基于主成分分析(PCA)和自适应差分进化(SaDE)优化的极限学习机(ELM)的电能质量扰动信号分类方法.对8种扰动信号用db4小波进行10层多分辨分解,与标准能量信号的能量差系数作为特征向量,PCA对其降维处理,去除冗余特征,得到4维数据作为分类的样本数据集,利用SaDE算法对ELM的输入权值和隐含层节点偏置优化.通过仿真实验表明,提出的SaDE-ELM识别准确率更高,抗噪性更强,更适应于电能质量扰动分类.