基于小波变换和FRVM的电能质量扰动分类

• 作者: 马苹苹 黄文清
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 电能质量 快速相关向量机 扰动分类
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 234-236,244
• 页数: 4页
• 分类号: TP274.3
• 字数: 3746字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.5.047

摘要

针对相关向量机(RVM)计算复杂度大、训练时间长的问题,提出一种基于快速相关向量机(FRVM)的优化算法,其大大减少了相关向量机的训练时间,提高了分类的精度.将它应用于电能质量扰动分类中,首先对电能质量扰动信号进行基于小波变换的时频分析,提取小波变换各层信号的能量与标准信号的能量之差组成特征向量;然后用FRVM对特征量进行分类,进而实现基于小波变换和FRVM的电能质量扰动分类新方法.实验仿真验证了该方法能够对各类电能质量扰动信号进行分类,并且其分类效率和准确率均优于传统的相关向量机分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文清	湖南大学电气与信息工程学院	15	278	8.0	15.0
2	马苹苹	湖南大学电气与信息工程学院	1	3	1.0	1.0