一种基于PSO-SVM的电能质量扰动识别与分类的新方法

• 作者: 公政 孙晧 杨宁霞 高建成
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电能质量扰动 SVM分类器 PSO 复小波变换 电能质量监测
• 年，卷（期）: 2014,（16）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 17-20
• 页数: 4页
• 分类号: TM76
• 字数: 1972字
• 语种: 中文

摘要

针对目前电网电能质量扰动识别与分类中采用的SVM分类器参数难以选择的问题,提出了一种基于粒子群(PSO)优化SVM的电能质量扰动识别新方法.利用MATLAB软件对实际电网中常见的5种扰动信号进行建模,将检测到的电压信号经复小波变换后作为PSO-SVM的输入样本进行训练和测试.仿真结果表明,该方法能够快速、可靠地对电能质量扰动进行识别与分类,对电网的电能质量监测具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙晧	山东科技大学电气与自动化工程学院	3	26	3.0	3.0
2	杨宁霞	山东科技大学电气与自动化工程学院	8	36	3.0	5.0
3	公政		5	27	3.0	5.0
4	高建成		1	16	1.0	1.0