基于SA-PSO算法优化CNN的电能质量扰动分类模型

作     者：肖白 李道明 穆钢 高文瑞 董光德 XIAO Bai;LI Daoming;MU Gang;GAO Wenrui;DONG Guangde

作者机构：东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 国网重庆市电力公司电力科学研究院重庆401123 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2024年第44卷第5期

页      面：185-190页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(51177009) 国家重点研发计划项目(2017YFB0902205) 国网重庆市电力公司科技项目(SGCQDK00DWJS2100205) 

主　　题：电能质量 扰动分类 卷积神经网络 粒子群优化算法 模拟退火算法 特征提取 

摘      要：针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题,提出了一种通过模拟退火(SA)算法与粒子群优化(PSO)算法相结合来优化卷积神经网络(CNN)的电能质量扰动分类模型。将CNN卷积层中的二维卷积核替换成一维卷积核;采用SA算法对PSO算法进行改进,规避PSO算法陷入局部最优的困境;采用改进后的PSO算法对CNN进行参数寻优;利用优化CNN提取和筛选合适的特征,根据这些特征利用分类器得到最终分类结果。通过算例分析得出,使用基于SA-PSO算法优化的CNN的电能质量扰动分类模型能精确地识别出电能质量扰动信号。