买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网湖北省电力有限公司恩施供电公司;湖北民族大学申请的专利一种基于TLBO算法的电能质量扰动分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115374823B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211019496.8，技术领域涉及：G06F18/241；该发明授权一种基于TLBO算法的电能质量扰动分类方法及系统是由李家俊;李祯维;吴建军;龙克飞;黄谋甫;钟建伟;陈武设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于TLBO算法的电能质量扰动分类方法及系统在说明书摘要公布了：本发明公开了一种基于TLBO算法的电能质量扰动分类方法及系统，该方法包括如下步骤：S1、建立电能质量扰动的数学模型；S2、采用离散小波变换法对电能质量扰动信号进行特征量提取；S3、建立电能质量扰动数据库，划为训练集数据和测试集数据；S4、建立电能质量扰动分类模型；S5、将训练集数据输入分类模型进行模型训练；S6、将测试集数据输入到分类模型进行分类；S7、采用TLBO算法对分类器的核函数参数进行优化；S8、将测试集数据输入到优化好的分类模型得到分类结果并形成混淆矩阵，得到分类精确度。本发明通过TLBO算法优化，快速分类并且提升电能质量扰动分类的精确度，避免因电能质量问题对生产造成的经济损失。

本发明授权一种基于TLBO算法的电能质量扰动分类方法及系统在权利要求书中公布了：1.一种基于TLBO算法的电能质量扰动分类方法，其特征在于，包括如下步骤： S1、建立电能质量扰动的数学模型，并在参数限定的范围内进行多次随机设置生成多种电能质量扰动信号； S2、采用离散小波变换法对多种电能质量扰动信号及一种电能质量正常信号分别进行特征量提取并进行归一化处理； S3、将多种电能质量扰动信号和一种电能质量正常信号归一化处理后得到的特征量值和类别标签值建立电能质量扰动数据库，然后进行随机抽样并按比例将电能质量扰动数据库的数据划分为训练集数据和测试集数据； S4、建立有向无环图支持向量机DAG-SVMS电能质量扰动分类模型； S5、将上述训练集数据输入到DAG-SVMS电能质量扰动分类模型进行模型训练； S6、将上述测试集数据输入到DAG-SVMS电能质量扰动分类模型进行分类并获取测试集数据的分类精确度； S7、根据测试集数据的分类精确度采用TLBO算法对DAG-SVMS中分类器的核函数参数进行优化处理，并得到优化好的DAG-SVMS电能质量扰动分类模型； S8、将测试集数据输入到优化好的DAG-SVMS电能质量扰动分类模型并得到分类预测结果，根据分类预测结果形成混淆矩阵，得出优化好的DAG-SVMs电能质量扰动分类模型的分类预测精确度； 所述步骤S6到S7的具体过程：所述TLB0算法通过教阶段和学阶段不断优化DAG-SVMS中分类器的核函数参数即多项式核函数的最高项次数,其中老师充当当前最优多项式核函数的最高项次数，学生充当多项式核函数的最高项次数，具体步骤为: A、教阶段: 在该阶段，教师为最优适应度个体，学生向教师学习，教师努力提高学生们的平均成绩，即尽可能让全体学生在知识方面达到老师的水平； 假设在第i次迭代中，有m个决策变量即m个科目目标,学生的数目为kk＝1,2，...，n，Mj，i为全体学生在决策变量jj＝1,2，...，m的平均值，在当前迭代次数中的目标函数值最优的学生记为kbest学生kbest被视为教师，因此当前全体学生在每个变量每个科目目标的平均值与教师的每个变量差值计算公式如下: Difference_Meanj,k，i＝riXj，kbest，i-TFMj，i10 其中，Xj，kbest，i为教师kbest在第i次迭代中的第j个决策变量；ri为[0,1]间的随机数；TF为教学因子，其值为[1,2]之间的随机数；Mj，i为全体学生在决策变量jj＝1,2，...，m的平均值； 为了尽可能让全体学生在知识方面达到教师的水平，因此需要更新每个学生的决策变量值，更新公式如下： X′j，k，i＝Xj，k，i+Difference_Meanj,k，i11 其中，Xj，k，i为学生k在第i次迭代中的第j个决策变量；X′j，k，i为Xj，k，i更新后的值，如果学生k在决策变量更新后的目标函数更优，那么X′j，k，i才会被接受，否则Xj，k，i会维持不变； 在教阶段的最后，要保留更新后每个学生的全体决策变量值，这些值将作为学阶段的输入。 B、学阶段 在学阶段，学生通过相互交流来提高知识储备水平。交流方式为随机交流，即一个学生随机与另外一个学生进行交流，如果对方知识储备比自己丰富，则自己会学习到新知识； 假设学生数目为n，从n个学生中随机选择2个目标函数值不相同的学生P1～n之间的随机数和Q1～n之间的随机数，即X′total-P，i≠X′total-Q，i，其中X′total-P，i和X′total-Q，i分别是X‘’total-P，i和X‘’total-Q，i在教师阶段更新后的目标函数值； 本发明优化问题为最大化问题，则决策变量更新公式为： x″j,P，i＝x′j，P，i+rix′j，P，i-x′j，Q,i,X′total-P，iX′total-Q,i12 x″j,P，i＝x′j，P，i+rix′j，Q，i-x′j，P，i,X′total-P，i＜X′total-Q，i13 如果学生P更新决策变量后的目标函数值更大，则接受x″j，P，i； 综上，公式10、公式11、公式12及公式13表明DAG-SVMS中分类器的多项式核函数的最高项次数的更新受当前最优多项式核函数的最高项次数的影响，使多项式核函数的最高项次数朝向当前最优多项式核函数的最高项次数移动，寻找目标目标函数值最优即最优多项式核函数的最高项次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网湖北省电力有限公司恩施供电公司;湖北民族大学，其通讯地址为：445000 湖北省恩施土家族苗族自治州恩施市航空大道96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。