基于广义S变换和DE-ELM的电能质量扰动信号分类

摘要：

电能质量扰动信号分类对电能质量综合评估、扰动源定位治理具有重要意义。提出了一种基于广义S变换和差分进化优化极限学习机的电能质量扰动信号分类方法。首先，通过改变S变换在不同频段的窗宽因子，来提高特征表现能力；然后，采用极限学习机作为扰动分类器，引入具有全局寻优功能的差分进化算法，优化极限学习机输入权值和隐藏层结点偏置，增强极限学习机的泛化能力，提高分类准确率。最后，仿真对比实验表明，相比于支持向量机和极限学习机，文中新方法准确率高、抗噪性强，更适用于电能质量扰动识别工作。

关键词：电能质量扰动、广义S变换、差分进化、极限学习机

所属期刊栏目：53

分类号：TM769(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目51307020；吉林省科技发展计划项目20150520114JH ；吉林市科技发展计划资助项目201464052

在线出版日期：2016-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：50-55