[发明专利]一种鼠群算法优化的电能质量问题分类方法

权利要求书

1.一种鼠群算法优化的电能质量问题分类方法，其特征在于：分为以下步骤：

S1：将采集到的电能质量数据建立电能质量数据库，设置比例将数据库划分为训练集数据与测试集数据；

S2：将训练集中电能质量数据序列基于鼠群算法进行分析运算；

S3：确定深度极限学习机的拓扑结构以及相关参数的设置；

S4：将深度极限学习机训练得到的均方误差作为鼠群算法适应度值；

S5：将训练集数据输入到鼠群化深度极限学习机；

S6：根据训练集训练后的鼠群化深度极限学习机测试集的实验结果，计算分类精确度。

2.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述训练集数据用于作为初始输入量开启深度极限学习机的学习过程。

3.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述测试集数据用于测试预测分类的准确率。

4.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述S2的具体过程为：

最好老鼠搜索个体被设定为知道猎物的位置，其他老鼠体可以更新当前位置来获得最佳搜索位置；老鼠追逐猎物数学描述如下：

P＝A·P_i(t)+C·(P_r(t)-P_i(t)) (1)

式(1)中，P表示当前猎物位置；P_i(t)表示第i只老鼠第t次迭代位置；A表示勘探参数，以式(2)更新；A表示取值范围为[1,2]的随机数；t_max表示最大迭代次数；C为[0,1]范围内随机数；P_r(t)表示当前迭代所处最佳老鼠个体位置；

老鼠攻击猎物数学描述如下：

P_i(t+1)＝|P_r(t)-P| (3)

式(3)中，P_i(t+1)表示第t+1次迭代更新位置。

5.如权利要求4所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述鼠群算法通过自动调整勘探参数A和开发参数C来获得勘探和开发之间的良好平衡，获得算法最优解。

6.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述S3的具体过程为：

深度极限学习机的中各个隐含层的神经元个数需要人为的设置，并采用鼠群算法对多个隐含层的个数选取，找到各个隐含层最优的神经元个数进行赋值。

7.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述S4的具体过程为：

将深度极限学习机训练得到的均方误差作为鼠群算法适应度值，初始最优解更新P值，通过鼠群的追逐猎物与攻击猎物实现鼠群移动，更新鼠群各只个体位置，同时得到更新后个体适应度值，对最优解判断是否满足适应度值；若不满足，则重新进行迭代，若满足则可以确定并更新当前P值为最终最优解。

8.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述S5的具体过程为：

根据S4所得最终最优解P值，输入训练集数据训练得出鼠群化深度极限学习机，根据输入的电能质量数据输出电能质量问题分类结果，完成鼠群化深度极限学习机的学习过程。

9.如权利要求1所述的鼠群算法优化的电能质量问题分类方法，其特征在于：所述S6的具体过程为：

将测试集数据输入到S5所述鼠群化深度极限学习机，得到分类预测结果，对比分类预测结果与实际故障结果，得出鼠群化深度极限学习机分类预测精确度。