基于聚类改进S变换与直接支持向量机的电能质量扰动识别

发布时间：2017-10-02 17:28

  本文关键词：基于聚类改进S变换与直接支持向量机的电能质量扰动识别

  更多相关文章： 电能质量 扰动识别 聚类改进S变换 直接支持向量机 支持向量机

【摘要】：针对电能质量扰动信号的识别问题,提出基于聚类改进S变换与直接支持向量机(SVM)的电能质量扰动识别方法。提出聚类改进S变换方法,该方法结合电能质量扰动信号的特点,可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理,保证特征提取的准确性;将直接支持向量机作为分类器,与最小二乘支持向量机相比,其求解简单,计算复杂度较低,训练与测试速度快,泛化能力较高,并且避免不能保证全局最优解的缺点;将聚类改进S变换与直接支持向量机相结合,应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。
【作者单位】： 南水北调中线干线工程建设管理局;武汉大学电气工程学院;武汉大学苏州研究院;
【关键词】： 电能质量 扰动识别 聚类改进S变换 直接支持向量机 支持向量机
【基金】：国家自然科学基金资助项目(51277134) 江苏省基础研究计划(自然科学基金)资助项目(BK2011347)~~
【分类号】：TP18;TM711
【正文快照】： 0引言近年来,非线性负荷和精密电力电子设备的大量使用,对电网中电能质量产生了严重的污染与破坏,给用户与供电方均造成巨大经济损失。因此,必须通过采用快速、正确的数据处理方法对引起电能质量问题的扰动信号进行识别,才能及时找出电能质量恶化的根本原因,从而采取合理的应

【参考文献】

中国期刊全文数据库 前10条

1 黄南天;徐殿国;刘晓胜;;基于S变换与SVM的电能质量复合扰动识别[J];电工技术学报;2011年10期

2 秦英林;田立军;常学飞;;基于小波变换能量分布和神经网络的电能质量扰动分类[J];电力自动化设备;2009年07期

3 高静怀,满蔚仕,陈树民;广义S变换域有色噪声与信号识别方法[J];地球物理学报;2004年05期

4 易吉良;彭建春;;基于广义S变换的短时电能质量扰动信号分类[J];电网技术;2009年05期

5 朱玲;刘志刚;胡巧琳;张巧革;;基于CWD谱峭度的暂态电能质量扰动识别[J];电力自动化设备;2014年02期

6 丁建光;张沛超;;基于Hoeffding Tree的电能质量在线扰动分类[J];电力自动化设备;2014年09期

7 易吉良;彭建春;谭会生;;S变换在电能质量扰动分析中的应用综述[J];电力系统保护与控制;2011年03期

8 杜U，

本文编号：960913