基于优化最小二乘支持向量机的电能质量扰动分类

被引：18

作者：

秦业 ^{[1
]}

袁海文 ^{[1
]}

袁海斌 ^{[1
]}

王秋生 ^{[1
]}

张学利 ^{[2
]}

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

[2] 中国电子科技集团第十五研究所

来源：

电工技术学报 | 2012年 / 27卷 / 08期

基金：

高等学校博士学科点专项科研基金;

关键词：

电能质量; 特征向量; 交叉验证; 混合蛙跳算法; 支持向量机;

D O I：

10.19595/j.cnki.1000-6753.tces.2012.08.029

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

摘要：

提出了一种基于最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)分类器的电能质量扰动分类方法,对电网环境中多类扰动特征混合的情况进行更加精细的分类辨识。针对电能质量扰动特征向量的特点,对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)进行了改进,与交叉验证(Cross Validation,CV)相结合实现了对多分类器参数的优化,有效地解决了支持向量机模型参数优化的问题。仿真实验与工程验证表明,经过优化后的分类器不仅可以提高电能质量波形的分类精度,还可以进一步使分类器避免出现过学习的状态,有效提高了分类器的计算速度。

引用

页码：209 / 214

页数：6

共 5 条

[1] 奇异值分解和最小二乘支持向量机在电能质量扰动识别中的应用 [J].