基于PSO-SVM的电能质量符合扰动分类识别方法

• 作者: 马建 马燕琪
• 来源期刊: 江西电力
• 学科: 工学
• 关键词: 电能质量 复合扰动 PSO SVM 分类识别
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 电网
• 页码范围: 17-20,27
• 页数: 5页
• 分类号: TM933
• 字数: 3107字
• 语种: 中文

摘要

目前的电能质量复合扰动分类识别方法存在参数选择困难和识别精度不高的问题.本文提出了一种基于粒子群优化(particle swarm optimization,PSO)和支持向量机(support vector machine,SVM)的电能质量复合扰动识别方法.首先采用db4小波对扰动信号进行特征提取,通过对得到的近似分量和各层细节分量参数进行数学变换,获得合适的训练和测试样本.然后用PSO寻优方法对支持向量机的参数进行选择,解决了参数选择不当造成的识别精度不高的问题.最后利用Matlab软件进行仿真实验,其结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建	国网江西省电力公司电力科学研究院	9	20	3.0	4.0
2	马燕琪	华东交通大学电气与自动化工程学院	1	0	0.0	0.0