为了提高电能质量扰动(power quality disturbance,PQD)识别结果的准确性,笔者提出一种基于改进灰狼优化算法(improved grey wolf optimization,IGWO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的PQD识别方...为了提高电能质量扰动(power quality disturbance,PQD)识别结果的准确性,笔者提出一种基于改进灰狼优化算法(improved grey wolf optimization,IGWO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的PQD识别方法。通过采用收敛因数指数调整、自适应位移和权重动态修订等措施对灰狼优化算法进行改进,得到IGWO算法;以PQD信号的9个特征量为支持向量、7种PQD类型为输出量,利用IGWO算法寻找LSSVM的最优参数,建立基于IGWO-LSSVM的PQD识别模型并进行仿真分析,且与其他模型的识别结果进行对比。结果表明,相比算例中列出的几种对比模型,IGWO-LSSVM模型识别结果的正确率更高,验证了所提PQD识别方法的有效性和实用性。展开更多
文摘为了提高电能质量扰动(power quality disturbance,PQD)识别结果的准确性,笔者提出一种基于改进灰狼优化算法(improved grey wolf optimization,IGWO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的PQD识别方法。通过采用收敛因数指数调整、自适应位移和权重动态修订等措施对灰狼优化算法进行改进,得到IGWO算法;以PQD信号的9个特征量为支持向量、7种PQD类型为输出量,利用IGWO算法寻找LSSVM的最优参数,建立基于IGWO-LSSVM的PQD识别模型并进行仿真分析,且与其他模型的识别结果进行对比。结果表明,相比算例中列出的几种对比模型,IGWO-LSSVM模型识别结果的正确率更高,验证了所提PQD识别方法的有效性和实用性。
