基于GA-ELM的电压暂降源识别研究

发布时间：2024-07-05 23:47

　　针对传统电压暂降源识别方法分类时间长、准确率不高等问题,提出了一种基于广义S变换(GST)和遗传算法(GA)优化极限学习机(ELM)的电压暂降源识别方法。先利用广义S变换的模时频矩阵有效提取出电压暂降的起止时刻、暂降深度、相位跳变等特征量,再采用遗传算法优化ELM的输入权值和隐含层阈值,构建基于GA-ELM的电压暂降源识别模型,实现对电压暂降源的识别。通过MATLAB/SIMULINK仿真,对比GA-ELM、ELM、BP神经网络对电压暂降源的识别结果,验证了采用GA-ELM的电压暂降源识别的准确率要高于采用原始ELM和BP神经网络。

【文章页数】：4 页

【部分图文】：

图1三种电压暂降源的波形

线路短路故障、感应电动机启动以及空投变压器是电力系统中产生电压暂降的主要来源。短路故障通常是由大风、雷电、设备故障、动物、绝缘差等原因所造成[9]。感应电动机由于在启动时，其定子电流迅速增大，使得系统在阻抗上的分压增大，从而导致了电压暂降。变压器在投放时，由于其铁芯的饱和效应，致....

图2电压暂降信号的突变点曲线

如图2所示为三种不同类型的电压暂降信号的突变点曲线，将突变点个数定义为特征指标P6。4)时间幅值平方和曲线

图3时间幅值平方和均值曲线

三种电压暂降信号的时间幅值平方和均值曲线如图3所示，将特征指标P7定义为时间幅值平方和曲线的极小值。3基于GA-ELM的电压暂降源识别模型

图4ELM的电压暂降源识别模型

在ELM的电压暂降源识别模型中，由于w和b的值是随机的，使得ELM模型识别的准确性降低，而且部分数值可能存在为0的情况，导致部分隐含层节点失效，从而影响ELM的网络的性能。GA是根据生物界的进化规律而演化的随机并行搜索算法，具有鲁棒性优良、全局搜索能力强等优点[11]。本文采用遗....

本文编号：4001736