[发明专利]电压暂降源同质集成辨识方法

说明书

本发明提供一种电压暂降源同质辨识方法，对电压暂降源原始波形进行标幺化处理，并对标幺化处理后的三相电压的波形的暂降幅值进行计算，选取其中暂降幅值最小值作为暂降最严重相，然后提取暂降最严重相的8维时域统计特征构成数据集，可以简化特征提取工作量，提高电压暂降源的识别效率，同时采用AdaBoost算法对单一基础学习器支持向量机SVM进行集成，并用数据集的训练集进行训练后获得SVM‑AdaBoost电压暂降源集成学习识别模型，采用集成的思想避免了现有技术的算法对模型不断优化迭代导致的识别原理复杂、步骤繁多等问题，缩短了电压暂降源识别耗时，显著提升电压暂降源的识别准确率，弥补了单一基础学习器的不足。

技术领域

本发明涉及电压暂降源识别技术，特别涉及一种电压暂降源同质集成辨识方法。

背景技术

电压暂降是电力系统正常运行不可避免的事件，引起频繁性、随机性和不确定性，给工业用户带来了严重影响，系统短路故障、变压器激磁、大型电机启动是导致电压暂降的主要原因，也是典型的电压暂降源，其中，系统短路故障又可细分为单相短路故障、两相短路故障、相间短路故障和三相短路故障，各类电压暂降源的准确辨识，对治理电压暂降问题具有重要意义。

目前，国内外研究主要通过信号处理的方法来解决电压暂降源辨识问题，其主要环节包括：特征提取和模式识别，特征提取方法较多，有S变换、小波变换、希尔伯特黄变换等；模式识别分为波形匹配和分类器识别，上述方法虽在一定程度上解决了电压暂降源辨识问题，但普遍采用单一分类器，导致其辨识准确率不高，为提升辨识精度，又引入各种优化算法，极大地增加辨识方法的复杂性，因此，在保证电压暂降源辨识精度的同时，又尽可能简化模型复杂度、加快辨识效率是电压暂降源识别领域亟待解决的问题。

发明内容

鉴以此，本发明提出电压暂降源同质集成辨识方法，采用集成学习AdaBoost算法对基础学习期SVM进行集成优化，可以显著提升电压暂降源的辨识准确率，弥补单一基础学习器的不足。

本发明的技术方案是这样实现的：

电压暂降源同质集成辨识方法，包括以下步骤：

步骤S1、对电压暂降原始波形进行标幺化处理；

步骤S2、计算标幺化处理后的A、B、C三相电压的波形的暂降幅值，选取暂降幅值最小值所在相为暂降最严重相；

步骤S3、提取暂降最严重相的标幺化后的波形的8维时域统计特征构成数据集，并将数据集分成训练集和验证集；

步骤S4、调整单一基础学习器支持向量机SVM的模型参数；

步骤S5、采用AdaBoost算法对单一基础学习器支持向量机SVM进行集成，采用训练集进行训练，并采用验证集进行验证，获得SVM-AdaBoost电压暂降源集成学习识别模型。

步骤S6、输入实测电压暂降数据到SVM-AdaBoost电压暂降源集成学习识别模型中，由SVM-AdaBoost电压暂降源集成学习识别模型进行识别并输出暂降源标签。

优选的，所述步骤S1的具体步骤为：以正常电压峰值为基准值，将电压波形标幺化处理至[-1,1]区间。

优选的，所述步骤S3的8维时域统计特征分别为：均值F_Mean、方差F_Std、有效值F_Rms、斜度F_Skew、峭度F_Kur、峰值系数F_Crest、波形系数F_Ffa和对数能量F_Le。