装备电力系统电能质量复合扰动识别方法研究

• 作者: 尹志勇 陈永光 刘金宁 桑博
• 来源期刊: 高压电器
• 关键词: 装备电力系统 复合扰动 分类识别 粒子群算法 极限学习机 组合特征提取
• 年，卷（期）: 2022,（12）
• 所属期刊栏目: 研究与分析
• 页码范围: 195-201
• 页数: 6页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2017.12.032

摘要

为了提高装备电力系统复合电能质量扰动（PQD）识别能力，提出了构建组合特征集用以全面表征装备电力系统电能质量复合扰动的粒子群优化（PSO）极限学习机（ELM）分类新方法。首先，结合S变换和经验模态分解（EMD）两种特征提取手段，构建组合特征向量集，对复合扰动信号特征边界区分更加明显；然后，优化ELM隐含层神经元数目，平衡其分类的实时性和准确性，在PSO适应度函数与ELM训练误差之间建立联系，设置了PSO初始参数，完成了分类器设计。经装备电力系统实测数据验证，该方法对7类典型装备电力系统电能质量复合扰动信号能够准确识别，且对噪声不敏感，相较于单独使用的ELM，显著地减少了训练及分类时间，进一步提高了分类的准确性。