基于决策树和支持向量机的电能质量扰动识别
提出一种新型电能质量扰动识别方法，该方法采用快速傅里叶变换(fast Fourier transform，FFT)结合动态测度法提取3种特征以及S变换提取4种特征；采用决策树和支持向量机(support vector machine，SVM)设计组合分类器。针对 FFT 频谱中谐波频率明显的扰动类型，采用极值点包络的动态测度法提取频谱中的主要频率点特征，结合 S 变换提取的特征首先将扰动类型进行初步归类，然后采用 S变换的2个特征就能进行后续分类；决策树分类过程中采用SVM 来区分电压暂降和中断，克服了特征阈值随信噪比(signal-to-noise ratio，SNR)变化难以确定的问题。仿真实验表明，该方法能够准确识别包含2种复合扰动在内的11种电能质量扰动信号，SNR 低至 20 dB 时准确率仍达到96.50%；且与已有文献的分类结果对比表明，该方法准确率高，稳定性强，在低SNR条件下分类结果优势明显。
电能质量、扰动识别、S变换、动态测度法、支持向量机、决策树
TM76(输配电工程、电力网及电力系统)
国家自然科学基金项目61170016；教育部新世纪优秀人才支持计划项目NCET-11-0715;配套项目SWJTU12CX008；中央高校基本科研业务费专项资金项目SWJTU11ZT07。@@@@National Natural Science Foundation of China61170016;Program for New Century Excellent Talents in UniversityNCET-11-0715;SWJTU Supported ProjectSWJTU12CX008;Fundamental Research Funds for the Central UniversitiesSWJTU11ZT07
2013-07-26（万方平台首次上网日期，不代表论文的发表时间）
共7页
1272-1278
