电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2012年
3期
21-26
,共6页
电能扰动信号%小波包变换%支持向量机(SVM)%粒子群算法(PSO)
電能擾動信號%小波包變換%支持嚮量機(SVM)%粒子群算法(PSO)
전능우동신호%소파포변환%지지향량궤(SVM)%입자군산법(PSO)
电能质量扰动识别是电能质量检测系统的重要组成部分,也是进一步采取适当措施对其进行治理和控制的前提和依据.通过MATLAB仿真软件建立5种典型扰动信号的模型,包括电压突降、突升、中断、脉冲暂态及谐波；利用小波包分析方法对上述扰动信号进行特征向量提取；并采用粒子群算法对SVM核函数参数γ和惩罚参数C寻优,确定最优SVM分类模型,最终测试精度为98.125％,表明该算法实时性强、识别精度高,从而验证了所用方法的可行性.
電能質量擾動識彆是電能質量檢測繫統的重要組成部分,也是進一步採取適噹措施對其進行治理和控製的前提和依據.通過MATLAB倣真軟件建立5種典型擾動信號的模型,包括電壓突降、突升、中斷、脈遲暫態及諧波；利用小波包分析方法對上述擾動信號進行特徵嚮量提取；併採用粒子群算法對SVM覈函數參數γ和懲罰參數C尋優,確定最優SVM分類模型,最終測試精度為98.125％,錶明該算法實時性彊、識彆精度高,從而驗證瞭所用方法的可行性.
전능질량우동식별시전능질량검측계통적중요조성부분,야시진일보채취괄당조시대기진행치리화공제적전제화의거.통과MATLAB방진연건건립5충전형우동신호적모형,포괄전압돌강、돌승、중단、맥충잠태급해파；이용소파포분석방법대상술우동신호진행특정향량제취；병채용입자군산법대SVM핵함수삼수γ화징벌삼수C심우,학정최우SVM분류모형,최종측시정도위98.125％,표명해산법실시성강、식별정도고,종이험증료소용방법적가행성.
