基于VMD和IAO-SVM的电压暂降源识别方法

作者：陈晓华; 王志平^*; 吴杰康; 陈盛语; 许海文; 孙中海; 杨国荣; 江剑民; 陈**

来源：广东电力, 2023, 36(01): 59-67.

• 变分模态分解
• 改进天鹰优化算法
• 支持向量机
• 电压暂降源识别
• 奇异值熵
• 近似熵

针对支持向量机(support vector machine, SVM)的惩罚因子、核函数参数选择困难和天鹰优化(aquila optimizer, AO)算法在寻优时容易陷入局部最优解的问题，利用改进的天鹰优化(improved aquila optimizer, IAO)算法对SVM的惩罚因子和核函数参数进行寻优，构建IAO-SVM分类器，利用变分模态分解(variational mode decomposition, VMD)提取电压暂降源信号三相电压的特征向量，并进行归一化处理之后输入到构造好的IAO-SVM分类器中对样本进行训练与识别，并与K近邻、极限学习机、SVM和AO-SVM这4种分类器进行对比。仿真结果表明，在对8种电压暂降源信号分别加入0 dB、10 dB、20 dB、30 dB、40 dB、50 dB和60 dB的高斯白噪声情况下，IAO-SVM分类器识别的准确率分别为99.5%、94%、99.25%、100%、99.25%、98.5%和97.25%,其识别准确率最高，验证了在对信号加入不同的高斯白噪声时，IAO-SVM分类器均具有较高的识别准确率和抗噪声能力，有助于解决电压暂降源的分类问题。

• 单位
  东莞理工学院; 广东工业大学