基于形态小波范数熵和支持向量机的电能质量分类研究

• 作者: 季天瑶 李梦诗 王学健
• 来源期刊: 电机与控制学报
• 学科: 工学
• 关键词: 电能质量 形态学小波 范数熵 支持向量机 扰动分类
• 年，卷（期）: 2016,（9）
• 页码范围: 33-39
• 页数: 7页
• 分类号: TM935
• 字数: 5320字
• 语种: 中文
• DOI: 10.15938/j.emc.2016.09.005

摘要

针对电能质量信号分类存在实时性差、准确度低的问题，提出了一种基于HMT（ hit or miss transform）小波范数熵（norm entropy，NE）和支持向量机（support vector machine，SVM）的电能质量扰动识别方法。根据HMT小波分解每一层能量不同的特点，取扰动信号的10层小波分解的范数熵组成特征矩阵。特征量起到了对扰动信号分形的作用，以此作为SVM的输入。为了提高分类的准确度，研究采用了粒子群算法（ particle search optimization，PSO）对SVM 参数进行了寻优，分类准确度达到99％左右。同时比较了HMT小波和传统db4小波分别和SVM结合时的准确度，证明了HMT小波的优势和本文特征量提取法的有效性。而对于含噪声的电能质量信号，采用了广义形态滤波器进行了滤波预处理。仿真结果表明，该方法识别准确率高，稳定性好，适用于电能质量扰动识别系统。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梦诗	华南理工大学电力学院	4	27	3.0	4.0
2	季天瑶	华南理工大学电力学院	18	60	5.0	7.0
3	王学健	华南理工大学电力学院	1	5	1.0	1.0