【精彩论文】基于BAS-SVM的配电网电压暂降源识别

观点凝练

摘要：电压暂降是电能质量问题的一种。为提高不同电压暂降扰动源的识别正确率，提出了一种基于天牛须搜索算法（beetle antennae search，BAS）和支持向量机（support vector machine，SVM）的电压暂降源识别方法。应用改进S变换提取不同电压暂降波形的相关幅值曲线和16个特征指标。通过天牛须搜索算法（BAS）对支持向量机（SVM）的惩罚因子和核函数参数进行寻优，构建BAS-SVM分类器，将提取到的特征指标数据进行归一化处理并采用5倍交叉验证划分训练样本集和测试样本集，将其输入新构建的分类器，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，该分类器具有更好的分类效果。
结论：文章构建了一种用于配电网不同电压暂降源识别的新型分类器。应用改进S变换得到5类不同电压暂降信号的相关幅值曲线和16个特征指标并将特征指标数据进行归一化处理。以SVM的识别正确率为适应度函数，通过BAS对SVM的惩罚因子和核函数参数进行寻优，搭建BAS-SVM分类器模型。有利于分类器对配电网不同电压暂降源的精确识别；BAS-SVM分类器与GA-SVM等已有的传统分类器相比，其对不同种类电压暂降信号的识别率更高，具有良好的分类识别性能，且识别耗时较短，是一种有效的电压暂降识别方法。

引文信息

刘海涛, 叶筱怡, 吕干云, 等. 基于BAS-SVM的配电网电压暂降源识别[J]. 中国电力, 2022, 55(5): 128-133.LIU Haitao, YE Xiaoyi, LÜ Ganyun, et al. Identification of voltage sag source in distribution network based on BAS-SVM[J]. Electric Power, 2022, 55(5): 128-133.欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：杨彪

校对：蒋东方

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。