基于ITD分解和麻雀优化的孪生支持向量机的电能质量扰动分类方法

    公开(公告)号:CN116522103A

    公开(公告)日:2023-08-01

    申请号:CN202211463005.9

    申请日:2022-11-21

    摘要: 本发明公开了一种基于ITD分解和麻雀优化的孪生支持向量机的电能质量扰动分类方法,该方法分为四步,第一步,使用电能质量监测设备采集包含干扰的不同类型的电能质量扰动信号;第二步,采用ITD分解对采集的电能质量扰动信号进行处理得到一系列固有旋转分量(PRC),利用云模型的熵和超熵筛选出有效的PRC分量;第三步,分别计算有效的PRC分量的模糊熵和能量熵,并将计算所得模糊熵和能量熵依次排列构成特征矩阵;第四步,将提取的特征数据分为测试组和训练组,将训练组数据输入孪生支持向量机(TWSVM)中,利用麻雀优化算法(SSA)寻找孪生支持向量机最优化核函数参数和惩罚参数,并进行训练学习,得到最优化孪生支持向量机分类器模型;将测试组数据输入训练好的分类器模型进行分类,完成对多类电能质量扰动信号的识别分类。该方法能识别多种电能质量扰动信号,且提高了对单一电能质量的识别准确率和分类时间,进而为电能质量的分析、评估和治理提供辅助决策,以进一步提高供电质量。