基于改进PSO-SVM算法的电能质量扰动分类

• 作者: 何行 冉艳春 夏水斌 张芹 王先培 王汪兵 董重重
• 来源期刊: 电力电容器与无功补偿
• 关键词: 支持向量机(SVM) 小波变换 粒子群算法(PSO) 电能质量 分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 系统应用研究
• 页码范围: 119-124
• 页数: 6页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2019.02.022

摘要

对电能质量进行监测是用电信息采集系统的重要任务之一.针对电能质量扰动的识别和分类问题,提出一种基于小波支持向量机(support vector machine,SVM)的分类方法.对正常电压信号和6种电能质量扰动信号波形进行仿真,首先对各种扰动信号进行小波分解,提取各层小波重构系数的能量熵作为特征向量;然后改进的粒子群(particle swarm optimization,PSO)算法对SVM核函数参数进行优化;最后,利用优化参数的SVM对扰动测试集进行分类识别.仿真结果表明,与BP神经网络分类方法相比,该方法对扰动识别和分类的准确率达到97.28％,且训练时间和测试时间都有所减小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王先培	武汉大学电子信息学院	109	1198	16.0	30.0
2	董重重	国网湖北省电力公司计量中心	13	37	3.0	5.0
3	张芹	国网湖北省电力公司计量中心	8	32	3.0	5.0
4	冉艳春	国网湖北省电力公司计量中心	7	11	2.0	3.0
5	夏水斌	国网湖北省电力公司计量中心	18	45	4.0	6.0
6	何行	国网湖北省电力公司计量中心	14	60	4.0	7.0
7	王汪兵	武汉大学电子信息学院	4	24	3.0	4.0