基于优化DDAGSVM多类分类策略的电能质量扰动识别

• 作者: 任子晖 王琦
• 来源期刊: 电力系统保护与控制
• 关键词: 支持向量机 决策导向非循环图 类间识别度 广义KKT条件 空间分布序列
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 应用研究
• 页码范围: 82-88
• 页数: 7页
• 字数: 5533字
• 语种: 中文
• DOI: 10.7667/PSPC170302

摘要

针对电能质量扰动类型多样且识别率不高的问题,该研究的目的是如何将多类分类问题应用于支持向量机.首先通过S变换和FFT变换提取扰动信号特征量进行模型训练.其次将广义KKT判定条件与样本空间分布序列相结合引入类间识别度,将类间识别度最高的超平面函数作为分类器根节点,以此克服传统决策导向非循环图支持向量机分类器(DDAGSVM)在分类生成顺序上随机化的缺点,并将改进的DDAGSVM应用于电能扰动信号的识别分类.实验结果表明,所提算法较传统DDAGSVM算法有良好效果和更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任子晖	中国矿业大学信息与控制工程学院	91	755	13.0	24.0
2	王琦	中国矿业大学信息与控制工程学院	30	53	5.0	6.0