[发明专利]一种采用线性关系聚类的谐波源耦合参数辨识方法

权利要求书

1.一种采用线性关系聚类的谐波源耦合参数辨识方法，其特征在于，包括以下步骤：

步骤S1：根据系统短路容量和基准电压对谐波电压和谐波电流数据进行标幺化，并且利用PCA对标幺化数据进行降维处理；

步骤S2：根据误差平方和确定聚类数；

步骤S3：采用粒子群进化算法搜寻初始聚类中心；

步骤S4：将聚类数和初始聚类中心输入K-means聚类算法中进行聚类，对谐波源的线性耦合参数进行辨识。

2.根据权利要求1所述的一种采用线性关系聚类的谐波源耦合参数辨识方法，其特征在于，步骤S1具体包括以下步骤：

步骤S11：设基于基波功率与谐波功率交互作用的非线性负荷通用模型如下：

式中，为h次谐波电流，为基波电流，表示m次谐波电压，C为负载特性参数；

步骤S12：采用下式的线性耦合模型来提高计算效率和收敛速度：

式中，和C分别是耦合矩阵和恒流源系数；

步骤S13：将记为将步骤S12中的公式修改为下式：

步骤S14：采用主成分分析的方法，简化步骤S13中的公式，将m维归约为j，将简化为得到：

式中，表示PCA坐标变化的特征矩阵，进而将步骤S13中的公式简化为：

步骤S15：将记为最终得到：

3.根据权利要求1所述的一种采用线性关系聚类的谐波源耦合参数辨识方法，其特征在于，步骤S2具体为：误差平方和SSE采用下式计算：

式中，k为聚类数，C_i为第i个簇，p表示属于C_i的数据点，m_i为C_i的中心；

随着聚类中心数量的增加，整个数据集的SSE减小，将SSE急剧减少处的k设为所需的聚类数。

4.根据权利要求1所述的一种采用线性关系聚类的谐波源耦合参数辨识方法，其特征在于，步骤S3具体包括以下步骤：

步骤S31：假设种群规模为m的粒子群在n维空间搜索，若当前粒子的个体最优位置为Pbest_i，群体最优位置为Gbest，则每个粒子的飞行速度V_i和位置X_i采用下式根据式调整：

式中，t表示迭代次数，ω称为惯性权重系数，常数c₁、c₂为学习因子，r₁、r₂为均匀分布在[0,1]范围内的随机数；

步骤S32：将数据集划分为k类，采用下式计算粒子的适应度函数：

其中k为步骤S2确定的聚类数；C_i为第i个簇，S_j表示属于C_i的数据集，m_i为C_i的中心；

步骤S33：随机初始化簇中心m_i，利用粒子群进化算法搜寻全局最优解，粒子i在第t+1次迭代时，若f(X_i(t+1))＜f(Pbest_i(t))，则Pbest_i(t+1)＝X_i(t+1)，否则Pbest_i(t+1)＝Pbest_i(t)；若min(f(Pbest_i(t+1)))＜f(Gbest(t))，则Gbest(t+1)＝Pbest_min(t+1)，否则Gbest(t+1)＝Gbest(t)；当相邻两次迭代的差值小于预先设定的阈值，或者迭代次数大于最大迭代次数时，迭代停止，并输出适应度函数的解，作为聚类分析中的初始聚类中心。

5.根据权利要求2所述的一种采用线性关系聚类的谐波源耦合参数辨识方法，其特征在于，步骤S4具体包括以下步骤：

步骤S41：计算每个数据点到不同聚类中心的距离，并将其划分入距离最近的集群；

步骤S42：重新计算聚类中心；

步骤S43：若聚类中心更新，则返回步骤S41，否则，输出k个聚类中心；

其中，上述过程所辨识的聚类中心为步骤S15中的和C；由于是PCA中计算得到的特征向量矩阵，进而得到步骤S13中的和C。