基于形态小波范数熵和支持向量机的电能质量分类研究

摘要：

针对电能质量信号分类存在实时性差、准确度低的问题，提出了一种基于HMT（ hit or miss transform）小波范数熵（norm entropy，NE）和支持向量机（support vector machine，SVM）的电能质量扰动识别方法。根据HMT小波分解每一层能量不同的特点，取扰动信号的10层小波分解的范数熵组成特征矩阵。特征量起到了对扰动信号分形的作用，以此作为SVM的输入。为了提高分类的准确度，研究采用了粒子群算法（ particle search optimization，PSO）对SVM 参数进行了寻优，分类准确度达到99％左右。同时比较了HMT小波和传统db4小波分别和SVM结合时的准确度，证明了HMT小波的优势和本文特征量提取法的有效性。而对于含噪声的电能质量信号，采用了广义形态滤波器进行了滤波预处理。仿真结果表明，该方法识别准确率高，稳定性好，适用于电能质量扰动识别系统。

关键词：电能质量、形态学小波、范数熵、支持向量机、扰动分类

所属期刊栏目：20

分类号：TM935

资助基金：国家自然科学基金51307062

在线出版日期：2016-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39