基于动态卡尔曼滤波和支持向量机的电压暂降源识别分类

摘要

电压暂降源的识别和分类是电力系统改善电能质量的基础，为提高不同电压暂降源的识别分类准确率，提出了一种基于动态卡尔曼滤波的电压暂降源识别与分类的新方法。由于传统卡尔曼滤波无法得到电压变化率，难以识别电压变化较小时的幅值改变，采用动态跟踪卡尔曼滤波提取电压和其变化率的相关指标作为特征值。因传统支持向量机（support vector machine, SVM）的惩罚因子和核函数参数对分类器的性能影响较大，引入哈里斯鹰优化（Harris Hawks optimization, HHO）算法对这2个参数进行寻优，提出并构建HHO-SVM分类器对电压暂降源特征进行识别。通过MATLAB/Simulink搭建Benchmark微电网模型进行验证检测，结果证明了所提方法的有效性和精确性。

关键词

电压暂降源识别 / 动态跟踪卡尔曼滤波 / 电压变化率 / HHO-SVM / 分类识别