基于机器学习的电力系统暂态故障事件智能识别方法

为了在电力系统不同故障位置、故障时刻和噪声环境中准确识别暂态故障类型，提出基于机器学习的电力系统暂态故障事件智能识别方法。将暂态故障结构特征值作为量子粒子群优化径向基神经网络模型的输入向量，通过选取合适的参数编码策略、适应度函数以及终止条件，输出优化后径向基神经网络最优参数，完成故障事件智能识别。仿真实验结果表明，该方法采用量子粒子群优化算法（QPSO）优化径向基函数（RBF）神经网络可以获取最佳训练参数，训练时间为3.561s，训练误差为0.000 257 7，可在不同故障位置、故障时刻和噪声环境下正确识别暂态故障类型，且识别效率优势显著。