[发明专利]一种基于BAS-BP分类器模型的电压暂降源识别方法

说明书

本发明是一种基于BAS‑BP分类器模型的电压暂降源识别方法，应用改进S变换的结果模矩阵得到电压暂降信号的相关幅值曲线，提取并构建由16个电压暂降源识别特征指标组成的指标体系。为消除冗余信息对分类结果的影响，利用组合赋权法筛选出9个指标作为分类器的输入量，并应用改进S变换提取该9个指标数据。通过天牛须搜索算法对BP神经网络的初始权值和阈值进行寻优，构建BAS‑BP分类模型，实现对配电网不同类型电压暂降源的识别。最后，仿真结果表明，该分类器模型具有一定的抗噪能力与适用性，并且与常规分类器模型相比，可以更加有效地提高不同电压暂降源的识别正确率，具有更好的分类效果。

技术领域

本发明涉及配电网电能质量识别技术领域，具体的说是一种基于BAS-BP分类器模型的电压暂降源识别方法。

背景技术

电气与电子工程师学会(IEEE)将电压暂降定义为在系统频率时供电电压有效值瞬时减小到额定值的10％～90％，其持续时间一般为0.5～30个工频周波。随着自动化和网络化在全球的不断普及与发展，电力系统中数字化的电力电子器件使用率不断增加。这些现代的新型负荷比起传统用电负荷，对电压暂降更加敏感。据统计，每年因发生电压暂降而造成的经济损失非常严重。因此，电压暂降成为最严重的电能质量问题之一，对不同电压暂降源进行准确的分类识别具有重大意义，是抑制和缓解电压暂降的前提。

改进S变换可以精确地提取电压暂降信号的特征指标。组合赋权法可以有效克服主客观赋权法各自的缺点，使得指标权重的分布更加科学合理。BP神经网络可以对不同类型的电压暂降进行有效识别，但其初始权值和阈值对分类效果有较大的影响。天牛须搜索算法(BAS)是一种模拟天牛觅食过程的智能算法，可有效解决多目标参数的寻优问题。因此需要一种应用BP神经网络和天牛须搜索算法(BAS)提高电压暂降源分类识别正确率的方法，从而达到实现对不同电压暂降源的准确识别。

发明内容

本发明要解决的技术问题是提供一种基于BAS-BP分类器模型的电压暂降源识别方法，该方法基于组合赋权法筛选不同电压暂降类型的重要特征指标，运用天牛须搜索算法对BP神经网络的初始权值和阈值进行寻优，构建BAS-BP分类器，从而实现对不同电压暂降源的准确识别。

为解决上述技术问题，本发明采用的技术方案为：

一种基于BAS-BP分类器模型的电压暂降源识别方法，其特征在于：通过应用改进S变换提取并构建由16个电压暂降源识别特征指标组成的指标体系。利用组合赋权法筛选出9个指标作为分类器的输入量，并应用改进S变换提取该9个指标数据用于消除冗余信息对分类结果的影响，通过天牛须搜索算法对BP神经网络的初始权值和阈值进行寻优，构建BAS-BP分类模型，具体步骤如下：

步骤1，通过改进S变换得到由若干种不同故障引起的电压暂降信号的基频幅值曲线和频率幅值包络线；

步骤2，应用改进S变换提取并构建均值、标准差、RMS值、暂降深度、能量、峰度、突变点个数、香农熵、对数能量熵、基频幅值下降和上升斜率、二次谐波含有率、偏度、波形系数、波峰系数和暂降时间比16个特征指标体系；

步骤3，采用结合层次分析法与熵值法的组合赋权方法筛选出标准差、峰度、基频幅值上升和下降斜率、偏度、暂降深度、暂降时间比、突变点个数和二次谐波含有率共9个特征指标作为分类器的输入量，并确定各指标权重；

步骤4，构建BP神经网络和天牛须搜索算法的原理和模型；

步骤5，通过天牛须搜索算法对BP神经网络的初始权值和阈值进行寻优，构建BAS-BP分类器；

步骤6，每种电压暂降类型提取2X组步骤3中上所述的9个指标数据并对其进行归一化处理；其中X组作为BAS-BP分类器的训练样本，另外X组作为BAS-BP分类器的测试样本进行测试，实现对配电网电压暂降源的精确识别。

所述的步骤3中组合赋权法需要对9个特征指标数据进行数据标准化，标准化公式如下：