黄南天, 卢国波, 王玉强, 赵振峰, 李 旭, 张卫辉
(1. 东北电力大学电气工程学院, 吉林省 吉林市 132012; 2. 国网冀北电力有限公司检修分公司, 北京 102488; 3. 甘肃电力公司武威供电公司, 甘肃 武威 733000)
基于粒子群与极限学习机的电能质量信号特征选择与识别
黄南天1, 卢国波1, 王玉强2, 赵振峰2, 李 旭3, 张卫辉1
(1. 东北电力大学电气工程学院, 吉林省 吉林市 132012; 2. 国网冀北电力有限公司检修分公司, 北京 102488; 3. 甘肃电力公司武威供电公司, 甘肃 武威 733000)
高效准确地分类电能质量扰动信号是处理电能质量问题的关键。为降低特征计算量,提高分类器分类效率,本文提出一种基于粒子群与极限学习机的电能质量特征选择与识别方法。首先,通过S变换对电能质量扰动信号进行重构与变换,并在此基础上提取特征;然后,以极限学习机的分类精度和选择特征个数作为适应度函数,通过粒子群算法在高维特征空间中寻优,剔除不相关和冗余的特征,保留对扰动识别有效果的特征,由此,确定最优分类子集;最后,使用最优特征子集构成极限学习机的输入向量,训练分类器,并采用优化后的分类器分类电能质量信号。仿真实验表明,新方法能够将维度为25的原始特征集合缩减到8维,且在不同噪声环境下保持综合分类准确率为99.33%。
电能质量; S变换; 粒子群算法; 极限学习机; 特征选择
随着分布式可再生能源、非线性负荷与电力电子设备的大量接入,电能质量(Power Quality,PQ)问题日益受到电力工作人员的重视[1]。……