科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决电能质量扰动特征选取繁琐和困难、运算速度慢、识别精度低和分类准确率低等难题，提出一种融合卷积神经网络和改进型支持向量机的电能质量扰动分类方法。通过使用卷积神经网络自主提取电能质量的特征值，再将特征值输入到支持向量机网络中进行分类识别；利用蝗虫优化算法选取最佳的惩罚因子和核函数，大大提升了支持向量机网络预测收敛速度。实验结果表明，采用文中提出的分类算法对8种常见的电能质量扰动信号能够有效地识别和分类，预测准确率达到0.998，相比CNN算法，具有更高的识别精度和分类准确率。该文提供了一种抗干扰能力强的电能质量扰动分类方法。
- 出版日期2023
- 单位柳州铁道职业技术学院
