基于EMD和PSO-KELM的电压暂降源辨识方法

作者：彭宇文; 李瑞; 尚筱雅; 周永旺; 李沁雪

来源：黑龙江电力, 2023, 45(02): 102-111.

DOI：10.13625/j.cnki.hljep.2023.02.002

• 电能质量
• 电力系统
• 机器学习
• 经验模态分解
• PSO-KELM

提出一种基于经验模态分解(EMD)和粒子群算法优化核极限学习机(PSO-KELM)的单类电压暂降源辨识方法。通过Matlab/Simulink仿真平台搭建几种不同类型引起电压暂降的电力系统模型，从中获取不同类型扰动源引起电压暂降的时间序列信号，再用经验模态算法分解并提取每层IMF分量的模糊熵作为故障特征，将其前几阶主序列分量作为输入空间；把基于粒子群算法优化核极限学习机的模型作为电压暂降源辨识分类器，对引起配电网电压暂降类型的特征数据进行训练与识别，并以试验结果与传统遗传算法优化支持向量机分类器进行泛化对比，验证所提出的新型智能启发式算法PSO-KELM分类器的准确性和鲁棒性。实现了由不同故障源扰动引起电压暂降的有效识别，有利于解决实际配电网中线路电能质量问题和责任区域划分制度的完善。

• 单位
  广州航海学院; 广东工业大学