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分类运算速度慢、识别精度低等问题,笔者提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)优化支持向量机(Support Vector Machines,SVM)的电能质量扰动分类方法(SSA-SVM)。首先使用MATLAB软件生成8种电能质量扰动信号,然后利用SSA对支持向量机中惩罚因子和核函数进行寻优,使得支持向量机模型预测精度得到提高。结果表明,文中提出的SSA-SVM算法预测准确率为94.2%,相比SVM模型的提高了7.6%,是一种具有较强抗干扰性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
