电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2015年
8期
71-76,81
,共7页
韩刚%张建文%褚鑫%周贤姣
韓剛%張建文%褚鑫%週賢姣
한강%장건문%저흠%주현교
电能质量扰动%支持向量机%小波变换%S变换%粒子群算法%特征组合%参数优化
電能質量擾動%支持嚮量機%小波變換%S變換%粒子群算法%特徵組閤%參數優化
전능질량우동%지지향량궤%소파변환%S변환%입자군산법%특정조합%삼수우화
power quality disturbances%support vector machine (SVM)%wavelet transform%S-transform%particle swarm optimization(PSO)algorithm%features combination%parameters optimization
提出一种基于多特征组合及粒子群优化的支持向量机(SVM)的电能质量扰动识别方法.该方法采用小波变换和S变换提取各扰动信号特征向量,采用粒子群(PSO)优化的支持向量机进行分类识别.首先针对提取的小波能量谱中谐波信号的明显差异,通过设定特征阈值进行初步分类,然后结合S变换提取的3种特征,采用优化参数的SVM进行后续分类.仿真实验表明,该方法能够有效识别常见的8种电能质量扰动及2种复合扰动,相比未经优化的支持向量机模型,粒子群优化的SVM具有较高的识别精度和运算速度,且抗噪能力强.
提齣一種基于多特徵組閤及粒子群優化的支持嚮量機(SVM)的電能質量擾動識彆方法.該方法採用小波變換和S變換提取各擾動信號特徵嚮量,採用粒子群(PSO)優化的支持嚮量機進行分類識彆.首先針對提取的小波能量譜中諧波信號的明顯差異,通過設定特徵閾值進行初步分類,然後結閤S變換提取的3種特徵,採用優化參數的SVM進行後續分類.倣真實驗錶明,該方法能夠有效識彆常見的8種電能質量擾動及2種複閤擾動,相比未經優化的支持嚮量機模型,粒子群優化的SVM具有較高的識彆精度和運算速度,且抗譟能力彊.
제출일충기우다특정조합급입자군우화적지지향량궤(SVM)적전능질량우동식별방법.해방법채용소파변환화S변환제취각우동신호특정향량,채용입자군(PSO)우화적지지향량궤진행분류식별.수선침대제취적소파능량보중해파신호적명현차이,통과설정특정역치진행초보분류,연후결합S변환제취적3충특정,채용우화삼수적SVM진행후속분류.방진실험표명,해방법능구유효식별상견적8충전능질량우동급2충복합우동,상비미경우화적지지향량궤모형,입자군우화적SVM구유교고적식별정도화운산속도,차항조능력강.
