随着高新技术的快速发展,高精密电子设备在工业生产以及日常生活中大量使用,对电能质量问题提出了更高的要求。在电能质量的问题中,电压暂降是其最为严重的一个问题,准确定位出电压暂降源的位置对界定供电和用电双方的责任以及及时清除暂降源都非常有利。本文从电压暂降的起因与暂降源位置之间的联系这一角度出发,先对产生电压暂降的原因进行识别,然后针对电力系统中发生频次最多的短路故障所造成的电压暂降源进行定位,并在此基础上提出了一种基于蚁狮算法优化极限学习机的电压暂降源定位方法。暂降源的识别结果可为暂降源的定位提供重要的依据。本文先对短路故障、空投变压器、感应电动机启动等这三种主要原因引起的暂降源进行了分析,并总结出了这三种暂降源类型的特征,以便于电压暂降识别特征指标的构建。同时借助改进S变换良好的时频表现能力以及改进TT变换在时间定位上的优越性,提出用改进S变换-TT变换对这三种暂降信号进行特征量的提取,为电压暂降源种类的识别提供特征指标。在暂降源识别的基础上,针对电力系统中发生频次最多的短路故障进行定位。将暂降源定位问题转化为模式识别中的分类问题,采用定位可靠性较高的智能方法对暂降源上下游进行定位。由于经典暂降源的定位方法是根据单一定位判据对暂降源进行定位,它不能全面利用暂降时的定位特征,易导致定位错误,针对这种缺陷,本文提出了基于ALO-ELM的暂降源定位智能算法,可从经典定位方法中提取多个定位特征量作为样本,通过采集暂降期间监测点的数据来计算出这些特征量,结合二分类极限学习机分类的思想,建立一个综合判断暂降源位置的分类器。ELM泛化性能好、分类准确率高、学习时间短,相比于其它分类器,更适用于暂降源的定位,但因ELM权值和阈值选取的随机性,本文选取了蚁狮算法对极限学习机进行优化,蚁狮算法能够在全局上搜索最优解,且寻优时间短。采用基于ALO-ELM的暂降源定位智能算法,实现对暂降源上下游的准确定位。最后,本文通过搭建模型,验证了本文所提方法的有效性。仿真验证了系统在各种短路故障下,基于ALO-ELM暂降源定位方法的准确率都远高于其它方法。