基于SA-PSO算法优化CNN的电能质量扰动分类模型

作者：肖白^*; 李道明; 穆钢; 高文瑞; 董光德

来源：电力自动化设备, 2023, 1-11.

DOI：10.16081/j.epae.202312015

• 电能质量
• 扰动分类
• 卷积神经网络
• 粒子群优化算法
• 模拟退火算法
• 特征提取

针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题，提出了一种通过模拟退火（SA）算法与粒子群优化（PSO）算法相结合来优化卷积神经网络（CNN）的电能质量扰动分类模型。首先，将CNN卷积层中的二维卷积核替换成一维卷积核；其次，采用SA算法对PSO算法进行改进，规避PSO算法陷入局部最优的困境；然后，采用改进后的PSO算法对CNN的参数寻优；最后，利用CNN提取和筛选合适的特征，根据这些特征利用分类器得到最终分类结果。通过算例分析得出，使用基于SA-PSO算法优化的CNN的电能质量扰动分类模型能精确地识别出电能质量扰动信号。

• 单位
  国网重庆市电力公司电力科学研究院; 东北电力大学