多特征组合及优化SVM的电能质量扰动识别

• 作者: 周贤姣 张建文 褚鑫 韩刚
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电能质量扰动 支持向量机 小波变换 S变换 粒子群算法 特征组合 参数优化
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 71-76,81
• 页数: 7页
• 分类号: TM74
• 字数: 5405字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2015.08.13

摘要

提出一种基于多特征组合及粒子群优化的支持向量机(SVM)的电能质量扰动识别方法.该方法采用小波变换和S变换提取各扰动信号特征向量,采用粒子群(PSO)优化的支持向量机进行分类识别.首先针对提取的小波能量谱中谐波信号的明显差异,通过设定特征阈值进行初步分类,然后结合S变换提取的3种特征,采用优化参数的SVM进行后续分类.仿真实验表明,该方法能够有效识别常见的8种电能质量扰动及2种复合扰动,相比未经优化的支持向量机模型,粒子群优化的SVM具有较高的识别精度和运算速度,且抗噪能力强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩刚	中国矿业大学信息与电气工程学院	10	72	4.0	8.0
2	褚鑫	中国矿业大学信息与电气工程学院	5	45	3.0	5.0
3	张建文	中国矿业大学信息与电气工程学院	73	559	14.0	20.0
4	周贤姣	中国矿业大学信息与电气工程学院	4	29	3.0	4.0