【技术实现步骤摘要】
基于鲸鱼算法优化极限学习机的微电网故障诊断方法
本专利技术涉及风光储微电网的故障诊断方法,属于微电网故障检测与保护领域,具体涉及一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。
技术介绍
分布式发电是新能源发展的主要方向,微电网是整合分布式能源的有效手段之一,是电力系统中的重要组成部分。微电网利用风力发电机、太阳能发电设备和燃料电池等可再生能源发电,具有绿色环保、安全可靠、能量转换简单和运行与维护成本低等优点,能有效解决传统能源的短缺和日益严重的环境污染问题。在微电网运行过程中,若出现线路短路故障会造成严重的影响,有必要对微电网的故障进行识别和诊断。近年来,人工智能方法被广泛应用于故障诊断中。传统人工智能技术,如BP神经网络(backpropagationneuralnetwork,BPNN)、RBF神经网络(radialbasisfunctionneuralnetwork,RBFNN)、贝叶斯网络(Bayesiannetwork,BN)、模糊神经网络(Fuzzyneuralnetwork,FNN)等被广泛应用于故障诊断中,但是由于传统神经网络对数据分析能力较弱,且在训练过程中易陷入局部最优,使得诊断结果无法达到期望的精度标准。极限学习机是一种快速学习算法,用于训练单隐层前馈神经网络,具有自主学习、学习速度快、泛化能力强等特点。由于其初始权值和阈值都是随机选取的,网络性能难以达到最优。为克服上述缺点,利用鲸鱼算法优化极限学习机(WOA-ELM)建立故障诊断模型。鲸鱼算法具有参数设置简单、学习速度快 ...
【技术保护点】
1.一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法,其特征在于:其包括如下步骤:/nS1、首先建立包含风力发电机、光伏电池和蓄电池的微电网并网运行仿真模型,然后对微电网侧线路的10%、20%、30%、40%、50%、60%、70%、80%、90%位置处的每类线路故障类型进行仿真,并采集线路两端的三相故障电压信号;/nS2、选择db6小波作为小波基,根据小波包系数递推表达式分别对仿真得到的三相故障电压信号,所述三相故障电压信号包括A相故障电压信号、B相故障电压信号和C相故障电压信号,分别对三相故障电压信号进行3层小波包分析,每个故障电压信号能得到8个不同频带内的子信号,将其按照从低频到高频的顺序对其进行重新排序;对8个不同频带分别进行小波包信号重构,共得到8个小波包重构信号;计算每个小波包重构信号的小波包能量熵,并将得到的8个小波包能量熵共同构造出一组特征向量;A相故障电压信号、B相故障电压信号和C相故障电压信号共得到共包含24个小波包能量熵的特征向量X=[x
【技术特征摘要】
1.一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法,其特征在于:其包括如下步骤:
S1、首先建立包含风力发电机、光伏电池和蓄电池的微电网并网运行仿真模型,然后对微电网侧线路的10%、20%、30%、40%、50%、60%、70%、80%、90%位置处的每类线路故障类型进行仿真,并采集线路两端的三相故障电压信号;
S2、选择db6小波作为小波基,根据小波包系数递推表达式分别对仿真得到的三相故障电压信号,所述三相故障电压信号包括A相故障电压信号、B相故障电压信号和C相故障电压信号,分别对三相故障电压信号进行3层小波包分析,每个故障电压信号能得到8个不同频带内的子信号,将其按照从低频到高频的顺序对其进行重新排序;对8个不同频带分别进行小波包信号重构,共得到8个小波包重构信号;计算每个小波包重构信号的小波包能量熵,并将得到的8个小波包能量熵共同构造出一组特征向量;A相故障电压信号、B相故障电压信号和C相故障电压信号共得到共包含24个小波包能量熵的特征向量X=[x1,x2,...,x24]T,将其作为数据样本;
S3、利用鲸鱼算法WOA优化极限学习机ELM的输入权值和隐含层阈值,以提高网络的全局搜索能力,将S2得到的数据样本带入WOA-ELM模型进行训练和验证,具体步骤如下:
S31、参数初始化,设置鲸鱼算法的参数:鲸鱼个体数、最大迭代次数、变量维数,变量上限和下限;
S32、种群初始化,随机初始化所有鲸鱼个体各个维度的位置值,每个鲸鱼个体的各个维度的位置值代表输入权值或阈值;
S33、计算适应度值,选择ELM的目标函数表达式(1)计算每个鲸鱼个体的适应度值;
式中,Oi为第i个样本的实际输出向量,Ti为第i个样本的期望输出向量;
S34、更新最优解,根据每个鲸鱼个体的适应度值在所有解中找到最优解的位置,所述最优解的位置用于更新每个鲸鱼个体的位置;
S35、每个鲸鱼个体的位置更新,当选择收缩包围机制或螺旋更新位置的概率p<0.5且|A|<1时,根据表达式(2)进行每个鲸鱼个体的位置更新:
X(t+1)=X*(t)-A·D(2)
D=|C·X*(t)-X(t)|(3)
式中,D是当前鲸群中最优解与鲸鱼个体当前解的距离向量,X为当前解的位置向量,t为迭代次数,A和C为系数向量,X*为当前获得的鲸群中最优解的位置向量,A和C计算方法如下:
A=2ar-a(4)
C=2r...
【专利技术属性】
技术研发人员:吴忠强,卢雪琴,何怡林,谢宗奎,王国勇,
申请(专利权)人:燕山大学,
类型:发明
国别省市:河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。