基于改进PSO-SVM算法的电能质量扰动分类

被引：23

作者：

何行 ^{[1
]}

夏水斌 ^{[1
]}

张芹 ^{[1
]}

董重重 ^{[1
]}

冉艳春 ^{[1
]}

王汪兵 ^{[2
]}

王先培 ^{[2
]}

机构：

[1] 国网湖北省电力公司计量中心

[2] 武汉大学电子信息学院

来源：

电力电容器与无功补偿 | 2019年 / 40卷 / 02期

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;

D O I：

10.14044/j.1674-1757.pcrpc.2019.02.022

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

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。

引用

页码：119 / 124

页数：6

共 18 条

[1]

三相电能质量分析仪中的电能参数检测算法研究与实现.[D].张旭霞.电子科技大学.2016, 02

[2] 基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别 [J].