基于样本熵和蜻蜓算法优化SVM的电能质量扰动识别和诊断研究

• 作者: 刘涌 屈高强 王承民 赵亮 陈万喜 齐彩娟
• 来源期刊: 电力电容器与无功补偿
• 关键词: 样本熵 支持向量机 蜻蜓算法 电能质量 经验模态分解
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 系统应用研究
• 页码范围: 115-122
• 页数: 8页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2019.01.021

摘要

为了避免支持向量机预测结果易受惩罚因子和核函数参数参数选择的影响,提出一种DA算法优化SVM的电能质量扰动诊断和识别模型,实现电能质量扰动最优化诊断和识别.首先运用EMD将电能质量扰动信号进行分解,之后计算各尺度下的IMF分量的样本熵,并将其作为电能质量扰动信号的特征向量,建立SVM的电能质量扰动信号的识别模型.实验结果表明,与GA_SVM、PSO_SVM和DE_SVM相比,本文提出的算法DA_SVM可以有效提高电能质量扰动识别的准确率,收敛速度快,为电能质量扰动诊断和识别提供新的方法和途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王承民		185	1867	22.0	35.0
2	赵亮	国网宁夏电力公司经济技术研究院	8	15	2.0	3.0
3	刘涌		52	153	7.0	9.0
4	屈高强	国网宁夏电力公司经济技术研究院	21	118	6.0	10.0
5	陈万喜		5	5	2.0	2.0
6	齐彩娟	国网宁夏电力公司经济技术研究院	6	6	2.0	2.0