基于蜂群优化核极限学习机的电能扰动识别方法

针对电能质量扰动信号分类识别的需要,以及BP(Back Propagation)网络分类器模型计算量大、训练时间长、计算速度无法满足电力系统在线分析要求等问题,提出一种蜂群优化核极限学习机分类器模型,采用小波变换提取电能质量扰动信号的特征向量作为样本,使用最优参数下的核极限学习机分类识别电能质量扰动信号.仿真结果表明:与未优化极限学习机相比,蜂群优化核极限学习机分类器分类识别的正确率提高了20%,误判率降低3%,蜂群优化核极限学习机分类模型对电能质量扰动识别具有一定的效果.