| 基于改进PSO-SVM算法的电能质量扰动分类 |
| |
| 引用本文： | 何行,夏水斌,张芹,董重重,冉艳春,王汪兵,王先培.基于改进PSO-SVM算法的电能质量扰动分类[J].电力电容器与无功补偿,2019,40(2):119-124. |
| |
| 作者姓名： | 何行 夏水斌 张芹 董重重 冉艳春 王汪兵 王先培 |
| |
| 作者单位： | 国网湖北省电力公司计量中心,武汉,430080;武汉大学电子信息学院,武汉,430072 |
| |
| 基金项目： | 国家自然科学基金;国家电网有限公司总部科技项目 |
| |
| 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。
|
| 关 键 词： | 支持向量机(SVM) 小波变换 粒子群算法(PSO) 电能质量 分类 |
Power Quality Disturbances Classification Based on Improved PSO and SVM Algorithm |
| |
| HE Xing,XIA Shuibin,ZHANG Qin,DONG Chongchong,RAN Yanchun,WANG Wangbing,WANG Xianpei.Power Quality Disturbances Classification Based on Improved PSO and SVM Algorithm[J].Power Capacitor $ Reactive Power Compensation,2019,40(2):119-124. |
| |
| Authors: | HE Xing XIA Shuibin ZHANG Qin DONG Chongchong RAN Yanchun WANG Wangbing WANG Xianpei |
| |
| Affiliation: | (State Grid Hubei Electric Power Company Metering Center,Wuhan 430080,China;School of Electronic Information,Wuhan University,Wuhan 430072,China) |
| |
| Abstract: | HE Xing;XIA Shuibin;ZHANG Qin;DONG Chongchong;RAN Yanchun;WANG Wangbing;WANG Xianpei(State Grid Hubei Electric Power Company Metering Center,Wuhan 430080,China;School of Electronic Information,Wuhan University,Wuhan 430072,China) |
| |
| Keywords: | SVM wavelet transform particle swarm optimization(PSO) power quality classification |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
