[发明专利]基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法

权利要求书

1.基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法，其特征在于包括以下步骤：

步骤1：建立训练测试集，对故障检测和故障诊断算法进行训练；

步骤2：采集并输入三相电流差值的瞬时三相电流的差值；

步骤3：输入权重和偏差随机分配到激活函数的节点；

步骤4：输出权值由Moore-Penrose伪递求出，表示为y₁，并且由此值判断：①若没有检测出故障，则输入下一差值；②若检测出故障，则进入故障诊断步骤；

步骤5：如果发现故障，在故障诊断步骤中，输入显示出故障的三相电流差值的一个周期内的离散波形；

步骤6：通过Nguyen-Widrow方法，向被激活的小波求和函数的节点，输入初始化的权重和偏差；

步骤7：输出的权值由Moore-Penrose伪递求出，表示为y₂。

2.根据权利要求1所述基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法，其特征在于：将小波变换中使用的小波激活函数集成到极限学习机ELM中，使得极限学习机ELM的功能与局部小波激活函数相结合，构成小波极限求和学习机SW-ELM；

小波极限求和学习机SW-ELM在每个神经元中引入两个激活函数，并将这两个激活函数的输出平均为隐藏神经元输出，隐藏神经元由两个激活函数并行处理，所使用的第一激活函数f_k1是sigmoid激活函数，第二激活函数f_k2是局部Morlet小波函数，局部Morlet小波函数作为局部滤波器，根据隐藏神经元的输入域进行缩放和扩展；sigmoid激活函数作为所有隐藏神经元的全局滤波器。

3.根据权利要求2所述基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法，其特征在于：隐藏神经元h_k的输出是由第一激活函数f_k1和第二激活函数f_k2输出的平均值得到的；数学表达式如下：

其中：

a_k和c_k分别表示小波函数的扩张和移位参数。

4.根据权利要求1所述基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法，其特征在于：所述步骤1包括以下步骤：

训练极限学习机ELM：

1)：随机初始化输入权矩阵和偏置矩阵；

2)：根据式(4)得到隐含层输出矩阵；

3)：根据式(6)求出Moore-Penrose广义逆得到的输出权矩阵β。