欢迎来到天天文库
浏览记录
ID:52484314
大小:516.16 KB
页数:7页
时间:2020-03-28
《多特征组合及优化SVM的电能质量扰动识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第27卷第8期电力系统及其自动化学报Vo1.27No.82015年8月ProceedingsoftheCSU-EPSAAug.2015多特征组合及优化SVM的电能质量扰动识别韩刚,张建文,褚鑫,周贤姣(中国矿业大学信息与电气工程学院,徐州221116)摘要: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
2、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。关键词: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;参数优化中图分类号:TM74文献标志码:A文章编号:1003—8930(2015)08—0071—06D0I:10.3969~.issn.1003—8930.2015.08.13PowerQualityDisturbanceClassificatio
3、nBasedonMulti-featuresCombinationandOptimizingParametersofSVMHANGang,ZHANGJianwen,CHUXin,ZHOUXianjiao(SchoolofInformationandElectricalEngineering,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)Abstract:Anewmethodforpowerqualitydisturbances(PQD)identificatio
4、n,basedonmultifeaturescombinationandparticleswarm0ptimization—supportvectormachine(PSO-SVM),ispresentedinthepaper.WavelettransformandS-transformareusedtoextractfeaturevectorsofeachdisturbancesignals,andPSO—SVMisusedtoclassify.Firstly,theevidentdifferenceofharmonicsi
5、gnalsinwaveletenergyspectrumispreliminarilyclassifiedintoseveralcategoriesbyfeaturethresholds.Then,PSO-SVMcanachievethefollow-upclassificationbyusingthethreefeaturesextractedbyS-transform.Thesimulationresultsshowthatusingtheproposedmethodeightkindsofpowerqualitydist
6、urbancesignals,includingtwokindsofcompounddisturbances,canbeclassifiedaccurately.ComparedwithSVM,PSO—SVMhasbet—terclassificationaccura—cyandbettercomputingspeed.whichcanbeusedinenvironmentof1OWSNR.Keywords:powerqualitydisturbances;supportvectormachine(SVM);wavelettr
7、ansform;S-transform;particleswarlTloptimization(PSO)algorithm;featurescombination;parametersoptimization电网中的非线性、冲击性和不平衡负荷的投质量扰动信号分类主要有人工神经网络、专家系入导致电网电压波形发生畸变、电压波动和三相不统、贝叶斯分类和支持向量机SVM等方法[61。SVM平衡等,造成严重的电能质量问题。深入研究影响是一种基于统计学习理论的模式识别方法,在解电能质量的各种因素,实现电能质量扰动的准确决小样本、非线性及高
8、维模式识别问题中具有独分类,为电能质量的改善和治理提供决策依据1。特优势,克服了人工神经网络易陷人局部最优解迄今为止,国内外已有大量学者研究电能质和训练时间长的缺点。然而,核函数是影响SVM量扰动分类问题『2_3】。电能质量扰动分类包括扰动分类性能的关键,SVM的惩罚因子和核
此文档下载收益归作者所有