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

摘要：

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％.

关键词：电能质量、S变换、粒子群算法、极限学习机、特征选择

所属期刊栏目：35

分类号：TM741(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51307020;吉林省科技发展计划20150520114JH

在线出版日期：2016-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：55-61