基于S变换和最小二乘支持向量机的电能质量扰动识别

被引:9
作者
王学伟
张宏财
机构
[1] 北京化工大学信息科学与技术学院
关键词
电能质量; 扰动识别; S变换; 最小二乘支持向量机;
D O I
暂无
中图分类号
TM711 [网络分析、电力系统分析];
学科分类号
摘要
采用S变换和最小二乘支持向量机相结合,构建了一种电能质量扰动识别的新方法。首先利用S变换对电能质量扰动信号进行时频分解;然后,从扰动信号S变换的结果中,提取扰动信号的特征向量,组成训练样本和测试样本;最后,使用最小输出编码的最小二乘支持向量机对扰动信号进行训练,实现电能质量扰动信号自动分类和识别。仿真结果表明,该方法识别准确率高,抗噪能力强,且训练时间很短,适用于电能质量扰动辨识系统。
引用
收藏
页码:1 / 4+25 +25
页数:5
相关论文
共 8 条
[1]   最小二乘支持向量机分类问题的算法实现 [J].
周建萍 ;
郑应平 ;
王志萍 .
上海电力学院学报, 2008, 24 (04) :381-384
[2]   基于支持向量机的动态电能质量扰动分类方法 [J].
宋晓芳 ;
陈劲操 .
电力自动化设备, 2006, (04) :39-42
[3]   基于数学形态学和网格分形的电能质量扰动检测及定位 [J].
李庚银 ;
罗艳 ;
周明 ;
王宇宾 .
中国电机工程学报, 2006, (03) :25-30
[4]   基于小波变换和最小二乘支持向量机的短期电力负荷预测 [J].
杨延西 ;
刘丁 .
电网技术, 2005, (13) :60-64
[5]   基于S变换的电能质量扰动支持向量机分类识别 [J].
占勇 ;
程浩忠 ;
丁屹峰 ;
吕干云 ;
孙毅斌 .
中国电机工程学报, 2005, (04) :53-58
[6]   基于小波包分解的电能质量扰动分类方法 [J].
王成山 ;
王继东 .
电网技术, 2004, (15) :78-82
[7]   基于dq变换和ANN的电能质量扰动辨识 [J].
徐永海 ;
肖湘宁 ;
杨以涵 ;
陈学允 .
电力系统自动化, 2001, (14) :24-28
[8]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300