[发明专利]一种基于鸟群算法与SVM的电能质量扰动源判断方法

摘要

本发明提供了一种基于鸟群算法与SVM的电能质量扰动源判断方法，先采集系统中各负荷电流数据、公共节点电压数据，依据皮尔逊相关系数模型计算各负荷电流和公共节点电压波形的相关系数，建立非线性负荷与线性负荷辨别评价指标；依据功率增量模型，计算同一时段各负荷支路的功率增量序列及功率增量平均值，通过比较功率增量平均值建立动态负荷及静态负荷辨别评价指标；依据谐波责任指标模型，建立不同谐波责任下电能质量责任评价指标；建立分析支持向量机函数模型，并代入鸟群算法，输出最佳位置，求解最优函数，识别出配电网中电能质量扰动源。本发明能够为划分和评估各谐波源或闪变源责任提供重要前提条件，为用户侧电能质量治理工作提供技术保障。

主权项

1.一种基于鸟群算法与SVM的电能质量扰动源判断方法，其特征在于，包括以下步骤：/nS1、采集初始数据，包括各负荷电流、公共节点电压数据；/nS2、依据皮尔逊相关系数，建立线性、非线性负荷辨别评价指标；根据建立的线性、非线性负荷辨别评价指标，计算各负荷电流和公共节点电压波形的相关系数，确定各负荷电流与公共节点电压的相似程度，确定扰动源类别；/n依据功率增量模型，建立动态负荷及静态负荷辨别评价指标；根据建立的动态负荷及静态负荷辨别评价指标，计算公共节点电压和各负荷电流的增量序列及功率增量平均值，确定扰动源类别；/n利用快速傅里叶变换对采集到的负荷电流和公共节点电压信号进行分解、重构，提取公共节点电压、负荷电流信号的各次谐波频率分量；依据谐波阻抗、背景谐波电压模型，建立电能质量责任评价指标，确定电能质量责任；/nS3、建立分析支持向量机函数模型，设定期望值，设定参数值；/nS4、初始化鸟群算法参数，将步骤S3中的函数通过鸟群算法，输出最佳空间位置；/nS5、根据步骤S2中的皮尔逊相关系数、功率增量平均值、电能质量责任评价指标以及步骤S4输出的最佳空间位置求解最优函数，根据最优函数值确定不同谐波频率下配电网中是否存在电能质量扰动源。/n