一种基于PSO-SVM的电能质量扰动识别与分类的新方法-论文.pdf

《一种基于PSO-SVM的电能质量扰动识别与分类的新方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第51卷第16期电测与仪表VO1．51No．162014年8月25日EIectricalMeasurement&InstrumentationAug．25．2O14一种基于PSO—SVM的电能质量扰动识别与分类的新方法术杨宁霞，孙咭，公政，高建成(1．山东科技大学电气与自动化工程学院，山东青岛266590；2．山东电力潍坊市供电公司，山东潍坊261000；3．山东电力新泰市供电公司，山东泰安271200)摘要：针对目前电网电能质量扰动识别与分类中采用的SVM分类器参数难以选择的问题，提出了一种基于粒子群(PSO)优化SVM的电能质量扰动识别新

2、方法。利用MATLAB软件对实际电网中常见的5种扰动信号进行建模，将检测到的电压信号经复小波变换后作为PSO—SVM的输入样本进行训练和测试。仿真结果表明，该方法能够快速、可靠地对电能质量扰动进行识别与分类，对电网的电能质量监测具有较高的应用价值。关键词：电能质量扰动；SVM分类器；PSO；复小波变换；电能质量监测中图分类号：TM76文献标识码：A文章编号：1001—1390(2014)16—0017—04ANewMethodofPowerQualityDisturbanceIdentificationandClassificationBas

3、edonthePSO．．SVMYANGNing—xia。，SUNHao，GONGZheng，GAOJian—cheng(1．CollegeofElectricalEngineeringandAutomation，ShandongUniversityofScienceandTechnology，Qingdao266590，Shangdong，China．2．ShandongPowerSupplyCompanyofWeifang，Weifang261000，Shangdong，China．3．ShandongPowerSupplyCompanyo

4、fXintai，Taian271200，Shandong，China)Abstract：AimingatthecurrentdifficultyinchoosingtheclassifierparameterofSVMforthepowerqualitydisturbanceidentificationandclassification，thepaperputforwardflnewmethodofpowerqualitydisturbanceidentificationbasedontheparticleswarITIoptimizatio

5、n(PSO)SVM．FivekindsofcommonpowerqualitydisturbancesignalsweremodeledbymeansoftheMATLABsoftware，andthedetectedvoltagesignalswereusedastheinputsamplesofthePSO—SVMtrainingandtestingaftercomplexwavelettransform．Thesimulationresultsshowedthatthemethodcouldidentifyandclassifythep

6、owerqualitydisturbancequicklyandreliably，andithadahighapplicationvalueforpowerqualitymonitoringofthepowergrid．Keywords：powerqualitydisturbance，theclassifierparameterofSVM,PSO，complexwavelettransform，powerqualitymonitoring0引言电网中电能质量扰动信号的识别及分类主要研随着工业控制领域向非线性、网络集成化、大规究特征向量的提取、

7、SVM分类器的优化等问题[3】。目前模等方向发展，以及系统中大型整流设备、变频调速学术研究领域，大多利用小波变换【的多分辨分析的设备等非线性负荷容量不断增多lll，多电网供电电能特性，在时一频屏幕不同位置具有不同分辨率，通过幅质量造成了严重污染，严重影响电力企业供电电能的值特性来实现电能质量的扰动定位、扰动持续时间的质量，对电能质量扰动准确识别与分类，是保障电网确定等，但是扰动信号不仅相频特性多样，而且相位安全经济运行和提高供电质量的前提[23。也很重要，提取相位信息，将会对分析电网中干扰信号的研究提供新思想和新技术。此外，在现阶段，用于基金

8、项目：山东省自然科学基金资助项目(ZR2012EEM021)；山东电能质量扰动识别与分类构造的SVM分类器在参数省科技发展计划资助项目(2012G0020503)；