基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究

王宏刚; 田洪迅; 谈军; 周辉

doi:10.14044/j.1674-1757.pcrpc.2019.01.025

您当前的位置：

首页 >

文章列表页 >

基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究

系统应用研究 | 更新时间：2024-09-14

- 基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究
- Study on the Optimization of Power Quality Disturbance Diagnosis and Identification of ELM Based on Dragonfly Algorithm
- 电力电容器与无功补偿 2019年40卷第1期页码：142-147
- 作者机构：
  
  1. 国家电网公司
  2. 南瑞集团(国网电力科学研究院)
  3. 国网浙江省电力公司
- 作者简介：
- 基金信息：
- DOI：10.14044/j.1674-1757.pcrpc.2019.01.025
  中图分类号： TM711
- 纸质出版日期：2019，
- 稿件说明：
移动端阅览
[1]王宏刚,田洪迅,谈军,周辉.基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究[J].电力电容器与无功补偿,2019,40(01):142-147.

Study on the Optimization of Power Quality Disturbance Diagnosis and Identification of ELM Based on Dragonfly Algorithm. [J]. Power capacitor & reactive power compensation, 2019, 40(1): 142-147.
[1]王宏刚,田洪迅,谈军,周辉.基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究[J].电力电容器与无功补偿,2019,40(01):142-147. DOI： 10.14044/j.1674-1757.pcrpc.2019.01.025.

Study on the Optimization of Power Quality Disturbance Diagnosis and Identification of ELM Based on Dragonfly Algorithm. [J]. Power capacitor & reactive power compensation, 2019, 40(1): 142-147. DOI： 10.14044/j.1674-1757.pcrpc.2019.01.025.

摘要

针对极限学习机预测结果易受其初始化输入权值和偏置值的影响

提出一种DA算法优化ELM的电能质量扰动诊断和识别模型。选择5种电能质量扰动信号为研究对象

研究结果表明

与GA

LM、PSO

LM和ELM相比

本文提出的算法DA

LM可以有效提高电能质量扰动识别的准确率

为电能质量扰动诊断和识别提供新的方法和途径。

Abstract

In view of the predicted result of the extreme learning machine being likely susceptible to the initial input weights and the offset value

a kind of DA algorithm is proposed to optimize power quality disturbance diagnosis and model identification of ELM.Five kinds of power quality disturbance signals are chosen as the study object.It is shown by the study result that compared with GA

PSO-ELM and ELM

the algorithm DA

VM proposed in this paper can effectively improve the accuracy of the power quality disturbance identification

have fast convergence rate and provide new methods and means for the power quality disturbance diagnosis and identification.

关键词

蜻蜓算法极限学习机电能质量样本熵小波分解

Keywords

dragonfly algorithmextreme learning machinepower qualitysample entropywavelet decomposition

references

浏览量

192

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于样本熵和蜻蜓算法优化SVM的电能质量扰动识别和诊断研究

基于广义S变换和PSO-ELM的电能质量扰动信号识别

能源行业标准《电能质量监测装置在线比对技术规范》解读

并联型有源电力滤波器直流电容电压的控制

唐山瑞丰钢铁公司无功补偿及谐波治理