基于马尔可夫转换场与粒子群优化的电能质量扰动分类方法

本发明基于马尔可夫转换场与粒子群优化的电能质量扰动分类方法，属于电力系统中的电能质量分析技术领域，首先，利用MTF将一维时序的电能质量扰动信号转换为二维的模态图像，为后续的数据特征提取创造有利条件；其次，使用CNN构建以图像模态数据为输入的电能质量扰动分类模型，并通过PSO算法对该模型中的参数进行优化，使其学习率达到最优，避免出现欠拟合或过拟合现象。最后，利用优化参数后的分类模型得到电能质量扰动分类结果，并利用评价指标对分类模型的性能进行评估。仿真结果表明，所构建的分类模型能够很好地对电能质量扰动信号进行分类，具有更高的分类准确率和抗噪能力。