[發明專利]一種鼠群算法優化的電能質量問題分類方法

在審

• 申請號: 202111445231.X
• 申請日: 2021-11-30
• 公開（公告）號: CN114091348A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 豐勝成;俎少杰;沈少峰;范軍朝;張瑞生;張興;劉明;王曉麗;梁晉;張靜;孫強;劉尚霖;管智峰;陳子林;周文錚;付華
• 申請（專利權）人: 山西潞安環保能源開發股份有限公司王莊煤礦;遼寧工程技術大學;葫蘆島遼工技大科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/00;G06N3/04;G06N3/08;G06F111/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

本發明公開了一種鼠群算法優化的電能質量問題分類方法，明涉及電能質量檢測領域，通過將采集到的電能質量數據建立電能質量數據庫，設置比例將數據庫劃分為訓練集數據與測試集數據；將訓練集中電能質量數據序列基于鼠群算法進行分析運算；確定深度極限學習機的拓撲結構以及相關參數的設置；將深度極限學習機訓練得到的均方誤差作為鼠群算法適應度值；將訓練集數據輸入到鼠群化深度極限學習機；根據訓練集訓練后的鼠群化深度極限學習機測試集的實驗結果，計算分類精確度；在解決電能質量分類問題時精確度得到提升，減少電能質量問題對生產造成的經濟損失。

技術領域

本發明涉及電能質量檢測領域，尤其涉及一種鼠群算法優化的電能質量問題分類方法。

背景技術

電力是關系到國計民生的基礎產業，電力的供應和安全事關經濟社會發展全局；然而，隨著新能源的大量并網和電力負荷類型的增加，特別是分布式能源的接入，以及敏感電子元件、電力轉換器、工業驅動器、無功功率設備和固態開關的廣泛使用，電網中各種電能質量擾動事件日益增多，具體表現為存在大量的穩態和暫態電能質量問題；由于電力系統供應的干擾，制造業也正面臨著許多電能質量問題；電能質量差導致電機故障，計量不準確，線路過熱，設備過早老化，保護設備誤操作以及通信電路干擾；當電力輸送中存在電壓或電流異常時，任何國家的經濟都會遭受巨大損失；2018年4月Leonardo電能質量倡議(LPQI)團隊進行了歐洲電能質量調查，根據LPQI分析，歐盟25國每年因為糟糕的電能質量導致的浪費成本超過1500億歐元，由此可見電能質量對國民經濟的重要性；因此智能電網設計中的一個關鍵挑戰是提高所提供電力的質量；根據IEEE標準1159-2009，電能質量擾動分為短持續時間變化、長持續時間變化、頻率變化以及瞬態和穩態變化；通常電壓暫降、暫升、中斷和瞬變等干擾僅存在一定時間，而諧波和電壓波動等穩態擾動可能在系統中持續存在；近幾年來研究人員發現，同時發生兩種或更多種電能質量干擾的可能性更大；電力系統電源供應中的電能質量擾動是許多商業和工業系統關心的最重要因素；電力系統供應商和客戶都十分清楚電源電能質量不佳對負載的災難性影響；通過有效處理電能質量擾動從而改善電能質量變得迫在眉睫，而在此之前，首先要關注的是檢測主要發生在輸配電線路中的擾動類型，從而認識到引起擾動的原因并采取適當的行動來緩解問題；因此對電能質量復合擾動進行分類識別對于保護電力系統免受這些干擾的不利影響是十分必要的。

發明內容

為解決現有技術的不足，本發明提供了一種鼠群算法優化的電能質量問題分類方法，

利用深度極限學習機，對單個和多個同時進行的電能質量信號進行實時準確檢測，對電能質量問題類別進行快速準確的識別，以鼠群算法優化深度極限學習機中的多個隱含層的神經元個數構成鼠群化深度極限學習機進行電能質量問題分類預測，保證在應對復問題上具有良好的準確度，減少訓練時間；

為解決所述技術問題，本發明所采取的技術方案是具體方法如下：

本發明提供了一種鼠群算法優化的電能質量問題分類方法，分為以下步驟：

S1：將采集到的電能質量數據建立電能質量數據庫，設置比例將數據庫劃分為訓練集數據與測試集數據；

S2：將訓練集中電能質量數據序列基于鼠群算法進行分析運算；

S3：確定深度極限學習機的拓撲結構以及相關參數的設置；

S4：將深度極限學習機訓練得到的均方誤差作為鼠群算法適應度值；

S5：將訓練集數據輸入到鼠群化深度極限學習機；

S6：根據訓練集訓練后的鼠群化深度極限學習機測試集的實驗結果，計算分類精確度；

所述S1中訓練集數據：用于作為初始輸入量開啟深度極限學習機的學習過程；

所述S1中測試集數據：用于測試預測分類的準確率；