基于ESMD与SVM的电能质量混合扰动识别

• 作者: 侯鹏飞 吕国强 杨晓楠 毕贵红
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 样本熵 互样本熵 电能质量混合扰动 极点对称经验模式分解方法 支持向量机
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP301
• 字数: 5181字
• 语种: 中文
• DOI: 10.11907/rjdk.191086

摘要

针对实际电能质量扰动种类繁多、扰动信号差异不明显、存在多种混合扰动,导致识别电能质量非常困难的情况,提出一种基于极点对称经验模式分解方法(ESMD)和支持向量机(SVM)的电能质量混合扰动信号分类识别新方法.首先,对加入白噪声的混合扰动信号利用小波软阈值去噪处理;其次,利用ESMD将信号分解为不同信号分量,对每类扰动的不同信号分量分别提取样本熵和互样本熵特征值,所有分量特征值构成特征向量;最后利用SVM对扰动信号特征向量进行分类和混合扰动识别.研究表明,该方法对混合扰动识别正确率很高,是一个有效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕国强	昆明理工大学冶金与能源工程学院	23	140	7.0	11.0
2	毕贵红	昆明理工大学电力工程学院	76	578	13.0	20.0
3	杨晓楠	昆明理工大学冶金与能源工程学院	1	0	0.0	0.0
4	侯鹏飞	西南交通大学电气工程学院	1	0	0.0	0.0