基于ISSA-XGBoost的电能质量扰动识别方法研究

作     者：商立群 李朝彪 邓力文 郝天奇 刘晗 SHANG Liqun;LI Chaobiao;DENG Liwen;HAO Tianqi;LIU Han

作者机构：西安科技大学电气与控制工程学院陕西西安710054 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2024年第52卷第13期

页      面：115-124页

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0835[工学-软件工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：陕西省自然科学基础研究计划项目资助(2021JM393) 

主　　题：电能质量 扰动识别 XGBoost 麻雀搜索算法 

摘      要：针对传统电能质量扰动(power quality disturbances,PQDs)识别中特征提取有冗余,识别精度不高等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化特征选择和极致梯度提升(eXtreme gradient boosting,XGBoost)的电能质量扰动识别方法。首先对电能质量扰动信号进行S变换,提取61种电能质量特征。再通过ISSA同时选择最优特征子集和XGBoost中最优参数,剔除冗余特征,提高识别精度。最后根据优化后的最优特征子集和XGBoost实现电能质量扰动的识别。仿真结果表明,所提出的方法能有效选择最优特征子集,对噪声环境下的19种电能质量扰动信号进行高效识别,并且具有较高的识别精度。