基于改进狮群优化算法的微电网电压暂降源识别方法研究

作     者：王槐杰 

作者单位：南昌大学 

学位级别：硕士

导师姓名：聂晓华;陈尔奎

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：电压暂降 狮群优化算法 小波变换 BP神经网络 分类识别 

摘      要：电压暂降是电网中最常见的一种暂态电能质量问题,不同扰动源引起的电压暂降特点不同,对电力用户的影响以及需要采取的保护补偿措施也有所不同。准确地对电压暂降源进行检测识别,对于提高电网电能质量以及确保电网安全稳定运行有着重要意义。本文针对电压暂降源分类识别中特征向量提取和分类器识别两个关键环节,引入改进狮群优化算法对其进行优化提升,提高电压暂降源识别能力,本文的主要研究工作有:(1)针对狮群优化算法在求解部分问题时表现出的收敛精度低、收敛后期陷入局部最优解和后期无效循环多等缺点,本文提出两点改进:引入权重因子和调节因子以平衡算法局部优化和全局优化的能力;引入Levy飞行策略对狮王的位置进行随机扰动,实时引导狮群整体的收敛方向,加强算法的鲁棒性。最后,将改进后的狮群优化算法与几种经典群体智能算法进行测试函数验证对比。(2)针对含噪环境下不利于电压暂降特征提取的问题,本文将改进后的狮群优化算法引入到小波阈值去噪中,对阈值大小进行寻优,将电压暂降信号进行去噪预处理,并与常规阈值选取方法进行实验对比以验证效果。提出了一种基于改进狮群优化算法的小波理论下的电压暂降特征提取方法。(3)搭建微电网电压暂降仿真模型生成微电网电压暂降数据,对其进行去噪预处理后提取特征向量。为提高BP神经网络分类识别的准确性,本文将改进后的狮群优化算法引入到BP神经网络中,自适应寻优初始权值和阈值。(4)针对上述电压暂降去噪、检测、特征提取和分类步骤较为繁琐,不便于直接操作的问题,本文搭建微电网电压暂降分析软件平台,将上述各步骤打包制作图形用户界面,以提高人机交互性。(5)通过仿真数据进行验证,结果表明:改进后的去噪方法效果更好,较好保留了电压暂降信号的特征;改进后的分类器正确识别率更高,证明改进方法是行之有效的。同时,采用实测数据验证了本文所提方法的优越性。