基于广义S变换和PSO-ELM的电能质量扰动信号识别.pdfVIP

第38卷第2期：0129—0134 电力电容器与无功补偿 2017年4月 Power Power Capacitor＆ReactiveCompensation Apr．2017 DOI：10．14044／j．1674-1757．pcrpc．2017．02．024 杨万清，姜学朴，刘冰 (国网辽宁省电力有限公司大连供电公司，辽宁大连116011) 摘要：电能质量扰动信号识别是电能质量扰动参数分析、扰动源定位和综合治理的前提。针对S 变换在电能质量扰动信号分析中特征表现能力不足，以及极限学习机随机设置输入权值和隐藏层阈 值造成识别准确率低的问题，提出一种基于广义S变换(generalized SWalTll (particleoptimization，PSO)优化极限学习机(extrememachine，ELM)的电能质量扰动 learning 信号识别新方法。首先，将粗调、微调和精调因子引入S变换的高斯窗函数中，并根据扰动信号的频 率特点调整各因子值，从而获得更具针对性的时～频分辨率，以增强特征表现能力。其次，利用PSO 的寻优能力，获取最大适应度时对应的输入权值和隐藏层闽值，提升ELM的识别准确率。最后．根 据GST时一频模矩阵生成特征集，对PsO—ELM进行训练并测试其识别能力。对比实验表明。相较 于S变换和ELM方法，本文提出方法识别准确率更高、抗噪性更强，能够满足工业环境下的电能 质量扰动信号识别需要。 关键词：电能质量；扰动识别；S变换；粒子群；极限学习机 Power Disturbances BasedonGeneralized Quality Signal S--transformand Recognition PSo—ELM YANG Wanqing，JIANGXuepu，LIU Bing Power Grid Power (DalianSupplyCompany，State LiaoningCompany，Dalian116011，China) Abstract：Thedisturbance of isthe ofdistribution signalrecognition powerqualitypremise parameter of disturbancesourceand controlof for analysis，localization comprehensive suchissue powerquality．As asinsufficient ofStransforminthe of and performance ability analysispowerquali哆disturbancesignal low duetorandomset ofextre