[發明專利]一種基于BAS-BP分類器模型的電壓暫降源識別方法

在審

• 申請號: 202011416089.1
• 申請日: 2020-12-07
• 公開（公告）號: CN112529066A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 葉筱怡;劉海濤;袁華駿;耿宗璞
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐博

本發明是一種基于BAS?BP分類器模型的電壓暫降源識別方法，應用改進S變換的結果模矩陣得到電壓暫降信號的相關幅值曲線，提取并構建由16個電壓暫降源識別特征指標組成的指標體系。為消除冗余信息對分類結果的影響，利用組合賦權法篩選出9個指標作為分類器的輸入量，并應用改進S變換提取該9個指標數據。通過天牛須搜索算法對BP神經網絡的初始權值和閾值進行尋優，構建BAS?BP分類模型，實現對配電網不同類型電壓暫降源的識別。最后，仿真結果表明，該分類器模型具有一定的抗噪能力與適用性，并且與常規分類器模型相比，可以更加有效地提高不同電壓暫降源的識別正確率，具有更好的分類效果。

技術領域

本發明涉及配電網電能質量識別技術領域，具體的說是一種基于BAS-BP分類器模型的電壓暫降源識別方法。

背景技術

電氣與電子工程師學會(IEEE)將電壓暫降定義為在系統頻率時供電電壓有效值瞬時減小到額定值的10％～90％，其持續時間一般為0.5～30個工頻周波。隨著自動化和網絡化在全球的不斷普及與發展，電力系統中數字化的電力電子器件使用率不斷增加。這些現代的新型負荷比起傳統用電負荷，對電壓暫降更加敏感。據統計，每年因發生電壓暫降而造成的經濟損失非常嚴重。因此，電壓暫降成為最嚴重的電能質量問題之一，對不同電壓暫降源進行準確的分類識別具有重大意義，是抑制和緩解電壓暫降的前提。

改進S變換可以精確地提取電壓暫降信號的特征指標。組合賦權法可以有效克服主客觀賦權法各自的缺點，使得指標權重的分布更加科學合理。BP神經網絡可以對不同類型的電壓暫降進行有效識別，但其初始權值和閾值對分類效果有較大的影響。天牛須搜索算法(BAS)是一種模擬天牛覓食過程的智能算法，可有效解決多目標參數的尋優問題。因此需要一種應用BP神經網絡和天牛須搜索算法(BAS)提高電壓暫降源分類識別正確率的方法，從而達到實現對不同電壓暫降源的準確識別。

發明內容

本發明要解決的技術問題是提供一種基于BAS-BP分類器模型的電壓暫降源識別方法，該方法基于組合賦權法篩選不同電壓暫降類型的重要特征指標，運用天牛須搜索算法對BP神經網絡的初始權值和閾值進行尋優，構建BAS-BP分類器，從而實現對不同電壓暫降源的準確識別。

為解決上述技術問題，本發明采用的技術方案為：

一種基于BAS-BP分類器模型的電壓暫降源識別方法，其特征在于：通過應用改進S變換提取并構建由16個電壓暫降源識別特征指標組成的指標體系。利用組合賦權法篩選出9個指標作為分類器的輸入量，并應用改進S變換提取該9個指標數據用于消除冗余信息對分類結果的影響，通過天牛須搜索算法對BP神經網絡的初始權值和閾值進行尋優，構建BAS-BP分類模型，具體步驟如下：

步驟1，通過改進S變換得到由若干種不同故障引起的電壓暫降信號的基頻幅值曲線和頻率幅值包絡線；

步驟2，應用改進S變換提取并構建均值、標準差、RMS值、暫降深度、能量、峰度、突變點個數、香農熵、對數能量熵、基頻幅值下降和上升斜率、二次諧波含有率、偏度、波形系數、波峰系數和暫降時間比16個特征指標體系；

步驟3，采用結合層次分析法與熵值法的組合賦權方法篩選出標準差、峰度、基頻幅值上升和下降斜率、偏度、暫降深度、暫降時間比、突變點個數和二次諧波含有率共9個特征指標作為分類器的輸入量，并確定各指標權重；

步驟4，構建BP神經網絡和天牛須搜索算法的原理和模型；

步驟5，通過天牛須搜索算法對BP神經網絡的初始權值和閾值進行尋優，構建BAS-BP分類器；

步驟6，每種電壓暫降類型提取2X組步驟3中上所述的9個指標數據并對其進行歸一化處理；其中X組作為BAS-BP分類器的訓練樣本，另外X組作為BAS-BP分類器的測試樣本進行測試，實現對配電網電壓暫降源的精確識別。

所述的步驟3中組合賦權法需要對9個特征指標數據進行數據標準化，標準化公式如下：