| 基于优化DDAGSVM多类分类策略的电能质量扰动识别 |
| |
| 引用本文： | 任子晖,王琦.基于优化DDAGSVM多类分类策略的电能质量扰动识别[J].电力系统保护与控制,2018,46(5):82-88. |
| |
| 作者姓名： | 任子晖 王琦 |
| |
| 作者单位： | 中国矿业大学信息与控制工程学院，江苏 徐州 221008,中国矿业大学信息与控制工程学院，江苏 徐州 221008 |
| |
| 基金项目： | 江苏省重点研发计划项目(BE2016046);江苏省煤矿电气与自动化工程实验室建设项目(2014KJZX05) |
| |
| 摘 要： | 针对电能质量扰动类型多样且识别率不高的问题，该研究的目的是如何将多类分类问题应用于支持向量机。首先通过S变换和FFT变换提取扰动信号特征量进行模型训练。其次将广义KKT判定条件与样本空间分布序列相结合引入类间识别度，将类间识别度最高的超平面函数作为分类器根节点，以此克服传统决策导向非循环图支持向量机分类器(DDAGSVM)在分类生成顺序上随机化的缺点，并将改进的DDAGSVM应用于电能扰动信号的识别分类。实验结果表明，所提算法较传统DDAGSVM算法有良好效果和更好的鲁棒性。
|
| 关 键 词： | 支持向量机 决策导向非循环图 类间识别度 广义KKT条件 空间分布序列 |
| 收稿时间： | 2017/3/4 0:00:00 |
| 修稿时间： | 2017/5/9 0:00:00 |
Power quality disturbance recognition based on improved DDAGSVM multi-class classification strategy |
| |
| REN Zihui and WANG Qi.Power quality disturbance recognition based on improved DDAGSVM multi-class classification strategy[J].Power System Protection and Control,2018,46(5):82-88. |
| |
| Authors: | REN Zihui and WANG Qi |
| |
| Affiliation: | School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221008, China and School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221008, China |
| |
| Abstract: | |
| |
| Keywords: | support vector machine decision-oriented non-cyclic graph interclass cognition generalized KKT condition spatial distribution sequence |
|
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
