基于改进秃鹰算法优化极限学习机的谐波发射水平估计

摘要：

针对目前电力系统谐波发射水平难以直接测量的问题,提出了一种基于改进秃鹰算法(improved bald eagle search,IBES)优化极限学习机(extreme learning machine,ELM)的谐波发射水平估计方法.首先,在传统秃鹰搜索算法中引入Tent混沌映射和柯西变异算子,利用IBES算法对ELM模型的输入权重和阈值进行寻优.其次,输入公共连接点(point of common coupling,PCC)处谐波电压和谐波电流,代入IBES-ELM模型,估计用户侧和系统侧谐波发射水平.最后进行仿真和工程实例分析,并与其他算法的估计结果进行对比.结果表明,所提IBES-ELM方法估计精度优于长短期记忆网络(long short-term memory,LSTM)、卷积神经网络(convolution neural network,CNN)、反向传播神经网络(back propagation neural network,BP)和CNN-LSTM算法模型,验证了该方法的有效性和稳定性.

关键词：谐波发射水平、秃鹰搜索优化、Tent混沌映射、柯西变异算子、极限学习机

所属期刊栏目：52

分类号：TP391.41;TN919.81;S

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：156-165