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

被引：30

作者：

李天云 ^{[1
]}

陈昌雷 ^{[2
]}

周博 ^{[1
]}

王静 ^{[1
]}

杨辉 ^{[3
]}

机构：

[1] 东北电力大学电气工程学院

[2] 湖南省超高压管理局

[3] 安徽宿州供电公司

来源：

中国电机工程学报 | 2008年 / 34期

关键词：

电能质量; 小波包; 奇异值分解; 最小二乘支持向量机;

D O I：

10.13334/j.0258-8013.pcsee.2008.34.020

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

基于奇异值分解(singular value decomposition,SVD)和最小二乘支持向量机(least square support vector machine,LS-SVM)提出电能质量扰动类型识别的新方法。通过对电能质量扰动信号的小波包变换系数矩阵进行奇异值分解,将基频、扰动频率分量、噪声分解到不同的正交特征子空间。再与正常电压信号的奇异值作比值以抵消噪声能量的影响,最大限度地体现出扰动类型间的细微差别,以此作为扰动特征向量,作为最小二乘支持向量机分类器的输入参数,来实现电能质量扰动类型的识别。仿真结果表明,该方法识别准确率高,受噪声影响小,算法稳定性好。

引用

页码：124 / 128

页数：5

共 11 条

[1] 交叉验证方法在电能质量信号白噪声抑制中的应用 [J].