[发明专利]一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法

权利要求书

1.一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于，包括以下步骤：

步骤1：采集光伏接入配电网不同状态下剩余电流数据；

步骤2：对采集的剩余电流数据进行特征量提取；

步骤3：对提取的特征进行预处理；

步骤4：利用基于近邻成分分析法NCA对预处理后的特征进行筛选；

步骤5：利用筛选后的特征训练核极限学习机KELM模型同时利用麻雀搜索算法SSA对KELM模型的参数进行优化，进而得到SSA-KELM漏电识别模型；

步骤6：将待测试的剩余电流特征样本输入SSA-KELM模型中进行输出类型识别，从而得到待测试样本的漏电类型。

2.根据权利要求1所述的基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于：步骤1中，配电网不同状态包括：正常运行时、发生生物体触电时和非生物体触电时；

步骤6中，输出类别包括正常运行、生物体触电和非生物体触电；其中，非生物体触电即表示光伏设备漏电；漏电类型包括生物体触电和光伏设备漏电。

3.根据权利要求1所述的基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于：步骤2中，提取的特征包括9个维数：方根幅值p₁、绝对平均值p₂、均方根植p₃、峭度指标p₄、偏斜度指标p₅、峰值指标p₆、波形因子p₇、裕度系数p₈和脉冲指标p₉。

4.根据权利要求1所述的基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于：步骤3中，预处理方法采用的是最大最小归一化方法。

5.根据权利要求1所述的基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于：所述步骤4具体包括：

设预处理后的原始特征集S＝{(x_i,y_i),i＝1,2,…n}，其中x_i表示第i个样本特征，y_i为第i个样本标签；从特征集S中任意取一个样本特征，计算与其近邻样本的距离：

式中，w_m表示样本特征为m维时的特征权重；m为特征维数，r表示特征维数总量；x_j为x_i近邻样本；x_im表示第i个样本的第m维特征，x_jm表示第j个样本的第m维特征；

x_j被选中为x_i最邻近样本的概率为：

式中，n为样本数量；x_j表示第j个样本为x_i近邻样本，当样本数i＝j时，p_ij＝0；x_t表示除x_i外的所有样本；k为核函数，定义为：

式中，σ为内核宽度，则x_i被正确分类的概率为：

式中，y_j为样本x_j的标签；y_ij＝y_i-y_j为样本x_i与x_j的标签误差，当y_i＝y_j时,y_ij＝1，反之y_ij＝0；

计算p_i的平均值：

引入正则化项，得到如下目标函数：

式中，n为样本数量；λ为正则化参数；r表示特征维数总量；

近邻成分分析的目标是计算最大化F(w)时的权重w，等价问题也表示为：

表示最小化目标函数；F(w)表示最大化目标函数；

由此，计算出样本集中各特征的权重，F(w)越大或越小则表明当前特征与漏电识别模型的相关性越高，反之越低。

根据特征权重值的大小，对特征权值高的特征进行筛选。