基于遗传算法优化支持向量机的电能质量暂态扰动识别新方法

• 作者: 彭华 戚佳金 林琳 黄南天
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 电能质量 随机噪声 S变换 GA SVM 参数优化 扰动识别
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 电气工程
• 页码范围: 200-203
• 页数: 4页
• 分类号: TM714
• 语种: 中文

摘要

针对电能质量识别领域中,采用随机参数的支持向量机(SVM)分类器识别随机暂态扰动信号准确率低、优化耗时长等问题,提出一种基于遗传算法(GA)优化SVM识别电能质量暂态扰动(PQD)的新方法(GA-SVM).首先,仿真生成具有随机噪声水平和扰动参数的9种PQD信号;接着,通过S变换,提取出6种信号特征构成输入特征向量,用于训练SVM分类器;再采用GA对SVM进行参数寻优,进而获得优化的GA-SVM分类器;最后,采用GA-SVM识别PQD信号.仿真对比试验表明,新方法能准确识别不同噪声环境下的9种PQD信号,分类准确率及优化所需时间均优于PSO优化SVM方法(PSO-SVM).