基于PSO-LSSVM的煤矿电能质量扰动识别研究

针对目前煤矿电力系统中对常见的暂态电能质量扰动识别精度不高的问题,提出基于粒子群优化最小二乘支持向量机(PSO-LSSVM)的扰动分类识别方法。介绍煤矿电力系统中常见的4种暂态扰动,利用广义S变换(GST)提取扰动中相空间时-频域的有用特征,然后利用PSO优化LSSVM分类器的惩罚因子c和参数σ,构建PSO-LSSVM分类器,最后将提取的特征量作为PSO-LSSVM分类器的样本进行训练、测试。MATALA仿真结果表明,该方法能够准确可靠地对煤矿电能质量扰动进行识别与分类,对于煤矿电能质量监测具有较高参考价值。