(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111445231.X (22)申请日 2021.11.30 (71)申请人 山西潞安环保能源开发股份有限公 司王庄煤矿 地址 046399 山西省长治市郊区故县 申请人 辽宁工程技术大学　 葫芦岛辽工技大 科技有限公司 (72)发明人 丰胜成　俎少杰　沈少峰　范军朝　 张瑞生　张兴　刘明　王晓丽　 梁晋　张静　孙强　刘尚霖　 管智峰　陈子林　周文铮　付华　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 代理人 李在川(51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/08(2020.01) (54)发明名称 一种鼠群算法优化的电能质 量问题分类方 法 (57)摘要 本发明公开了一种鼠群算法优化的电能质 量问题分类方法， 明涉及电能质量检测领域， 通 过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； 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； 确定深度极限学习机的拓扑 结构以及相关参数的设置； 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； 将训 练集数据输入到鼠群化深度极限学习机； 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； 在解决电能质量分 类问题时精确度得到提升， 减少电能质量问题对 生产造成的经济损失。 权利要求书2页 说明书5页 附图2页 CN 114091348 A 2022.02.25 CN 114091348 A 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·Pi(t)+C·(Pr(t)‑Pi(t))                     (1) 式(1)中， P表示 当前猎物位置； Pi(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； tmax表示最大迭代次数； C为[0,1]范围内随机 数； Pr(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： Pi(t+1)＝|Pr(t)‑P|                            (3) 式(3)中， Pi(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的权　利　要　求　书 1/2 页 2 CN 114091348 A 2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。权　利　要　求　书 2/2 页 3 CN 114091348 A 3