多类分类SVM在电能质量扰动识别中的应用

• 作者: 姜凤利 许童羽 郑伟 郭丹 陈春玲
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 电能质量 扰动识别 支持向量机 多类分类
• 年，卷（期）: 2010,（13）
• 页码范围: 74-78
• 分类号: TM71
• 字数: 3143字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2010.13.016

摘要

结合傅里叶变换良好的幅频特性、小波变换良好的时频特性和支持向量机优秀的统计学习能力,采用多类分类支持向量机进行电能质量扰动的分类识别.对电压骤升、电压骤降、电压中断、谐波、电压波动、暂态振荡、瞬时脉冲、频率偏差等八种常见电能质量扰动进行数学建模,利用傅里叶变换和小波变换对产生的样本波形进行特征提取,将特征量输入到osu_svm进行电能质量扰动多类分类.算例表明该方案具有识别正确率高,训练样本数少,训练时间短,实时性好,对噪声不敏感等优点,是电能质量扰动识别的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许童羽	沈阳农业大学信息与电气工程学院	118	718	16.0	21.0
2	陈春玲	沈阳农业大学信息与电气工程学院	57	308	12.0	15.0
3	郭丹	沈阳农业大学信息与电气工程学院	29	194	8.0	13.0
4	姜凤利	沈阳农业大学信息与电气工程学院	25	142	8.0	11.0
5	郑伟	沈阳农业大学信息与电气工程学院	19	112	3.0	10.0