基于遗传算法的电网过电压分层模糊聚类识别

过电压识别对过电压起因及故障分析，改进输电线路和变电站设备绝缘配合具有重要意义。提出了基于小波多分辨率能量分布的电力系统过电压特征参量提取方法，针对特征向量存在交叉重叠的情况，引入分层模糊聚类识别的方法。构建分层识别的过电压分类树，通过对各种特征向量进行归纳分析与综合。特征向量集按不同的模块层次选取，形成模块层次结构，构成该层最佳特征量。将遗传算法的全局搜索和并行特性引入到模糊聚类中，弥补了模糊C-均值聚类(fuzzyC-means，FCM)算法存在局部性搜索和对初始聚类中心敏感等不足，通过全局搜索与局部搜索相结合的方式提高收敛速度，并加入移民策略来维持群体多样性，将该方法应用于实际过电压数据模式识别分类中，结果表明该方法能有效降低误分类率，从而对电力系统过电压类型进行有效识别。