基于GA-ELM的电压暂降源识别研究

作者：卢彩霞; 王新环^*; 王全义

来源：传感器与微系统, 2020, 39(12): 64-67.

DOI：10.13873/J.1000-9787(2020)12-0064-04

• 电压暂降
• 广义S变换(GST)
• 极限学习机
• 遗传算法优化
• 识别和分类

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。

• 单位
  自动化学院; 河南理工大学