基于特征集重构与多标签分类模型的谐波源定位方法

作者：邵振国^*; 林潇; 张嫣; 陈飞雄; 林洪洲

来源：电力自动化设备, 2023, 1-19.

DOI：10.16081/j.epae.202306002

• 电能质量
• 谐波源定位
• 非同步谐波监测数据
• 极限学习机
• 标签特定特征学习算法

传统基于谐波状态估计的谐波源定位方法需要专门的同步相量量测装置，工程应用受到限制。为此，基于电能质量监测装置所采集的非同步量测数据，提出了基于特征集重构与多标签分类模型的谐波源定位方法。首先，利用监测数据的充分统计量来挖掘量测时段的谐波信息，同时利用标签特定特征学习算法重构特征集，从而消除冗余特征以及无关特征对于谐波源定位精度的影响；其次，提出基于邻接矩阵以及灵敏度分析的测点配置方法，结合电路网络拓扑信息实现测点的优化配置；最后，提出了基于改进极限学习机的谐波源定位方法，该方法以重构特征集为输入，建立多标签分类模型，实现谐波源定位。通过仿真与算例分析，验证了方法的可行性及有效性。

• 单位
  福州大学; 自动化学院