[发明专利]基于GSO和SVM算法的低频振荡参数估计方法

权利要求书

1.基于GSO和SVM算法的低频振荡参数估计方法，包括以下步骤：

1)获取基础数据，包括电网电压信号、电流信号；

2)采取数学形态法的开闭运算对电网电能信号预处理；

3)利用支持向量机SVM确定低频振荡的模态数量；

信号中包含的低频振荡通常包含若干个模态，采用支持向量机SVM来辨识低频振荡的模态数量，包括以下步骤：

3.1)在前向线性预测误差模型的基础上，定义一个对于下一时刻的电能表达式r(i,j)：

式中，N是采样窗口的数量，p是采样矩阵的序号，i和j是分别表示当前时刻和下一时刻，n为信号采集点总数量，x代表所采集的电能信号类型，为x的转置；

3.2)样本矩阵R基于样本函数得到：

p的尺寸应该尽可能大，以保证获取更多的信息量，同时p应小于N/2；

3.3)运用标准化比率来计算当前信号包含的低频振荡模态数量，标准化比率v(k)定义为：

式中，||R||_F是R的F范数，σ为矩阵的奇异值，p是采样矩阵的序号，v(k)是单调递增函数，当k接近于p时，v(k)接近于1，对应于信号子空间的奇异值远大于对噪声空间的奇异值，即使信号中存在有色噪声，当k等于信号阶数M时，v(k)仍然非常接近1，如果v(k)大于设定阈值，则k被认为是低频振荡模态数量估计值M，即低频振荡模态的数量；

4)根据群优化算法GSO拟合得出各模态低频振荡的相关参数值；

5)采用叠加计算得出当前低频振荡波形函数表达式，再根据表达式进行检验。

2.根据权利要求1所述的基于GSO和SVM算法的低频振荡参数估计方法，其特征在于：在步骤1)中，所述电网电压信号和电流信号为低频振荡待估测点的电能信号，采集电能信号为特定时间长度内的瞬时标量值组成的时间序列。

3.根据权利要求1所述的基于GSO和SVM算法的低频振荡参数估计方法，其特征在于：在步骤2)中，对于原始电压信号进行基于数学形态法的中值双层滤波，得到滤波后的低频振荡信号，包括以下步骤：

2.1)数学形态法开运算O_C(f)和闭运算C_O(f)：

式中，f为一维原始电能信号，b为结构元素；

为了同时滤去正负脉冲噪声，采用基于数学形态法的中值双层滤波利用开运算及闭运算，得到过滤后的时间序列f’：

2.2)滤去原始电能时间序列中的直流分量：

式中，是原始电能时间序号的平均值，能够视作直流分量；y则为去除直流分量后的信号。

4.根据权利要求1所述的基于GSO和SVM算法的低频振荡参数估计方法，其特征在于：在步骤4)中，粒子群优化算法GSO通过不断地试探和追寻在寻觅最优值，从而估计出低频振荡的具体参数，包括以下步骤：

4.1)假设低频振荡表示为如下模型：

式中，M为模态，A_i为增益，为起始角度，f为频率，σ为阻尼系数；由此可知，只要确定A_i、f、σ，即可拟合出低频振荡的波形；

4.2)群优化算法GSO通过设生产者、搜寻者和流浪者三种搜索角色对低频振荡参数进行搜寻，从而寻找符合实际情况的最优解；

每种类型的搜索角色都有一个自己的当前位置，这个当前位置属于搜寻的n维空间中的任意位置；在这里由于要估计增益A_i、起始角度频率f、阻尼系数σ四个标量值，所以是n＝4，每个搜索角色有自己的最大追寻角度和最大追寻距离；

生产者是每次迭代之后占据最优位置的点，再下一次迭代中，每个生产者产生三个新的点，分别以0°和左右对称的两个角度扫描，如果生产者找到了一个资源比当前位置更好的点，那么它将飞到新的位置，否则，它将保持在当前位置并将其转到新的扫描角度；

每次迭代还设置了预设数量的搜寻者，搜寻者会按照生产者的路径继续搜索该区域，它们追随生产者继续细化搜索；

除了生产者和搜寻者，GSO还增设了流浪者的角色，流浪者在n为搜索空间中随机游走，在每一次迭代中产生一个随机的移动角度和移动距离，如果所在点的拟合效果最好，则在下一次迭代转化为生产者，流浪者的存在增加了GSO逃离局部最优的机会；

根据计算得出的低频振荡估计表达式进行检验，如果估计值和原始信号值的均方根误差RMSE小于或等于0.1，则认为低频振荡参数估计正确，参数估计流程结束；否则参数估计可能因陷入局部最优等问题导致估计错误，所以将从步骤3)开始重新进行预测估计，直至检验正确为止。