论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 何行,夏水斌,张芹,董重重,冉艳春,王汪兵,王先培
关键词: 支持向量机,小波变换,粒子群算法,电能质量,分类
来源: 电力电容器与无功补偿 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网湖北省电力公司计量中心,武汉大学电子信息学院
基金: 国家自然科学基金(50677047),国家电网总部科技项目(52153217000A)
分类号: TM76
DOI: 10.14044/j.1674-1757.pcrpc.2019.02.022
页码: 119-124
总页数: 6
文件大小: 1342K
下载量: 235