科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着社会的高速发展，各式各样的负载接入电网，单一扰动形式的电能质量问题，已被多扰动复合类型的电能质量问题取代。这无疑增加了电能质量问题特征提取与分类精度提升的难度。针对此问题，提出了基于不完全S变换和改进SVM的特征提取与分类方法。首先利用不完全S变换处理电能质量信号，对矩阵求模后从模矩阵中选取特征向量，组建特征矩阵，并利用递归特征消除选取重要特征。利用改进天牛须搜索算法（CBAS）优化支持向量机（SVM）的两个重要参数惩罚因子c和核函数参数g，将所选特征及优化后的SVM构建扰动分类器。根据实验表明，该方法准确率高，运行时间短，能够识别多种复合信号在内的扰动类型。根据对比，的分类效果明显优于随机森林（RF）、粒子群优化支持向量机（PSO-SVM）等常用方法。在不同信噪比条件下，具有良好的鲁棒性及抗噪能力，对电能质量扰动分类的研究具有重要意义。
- 出版日期2023
- 单位上海工程技术大学
