10.3969/j.issn.1007-290X.2021.005.012
基于改进S变换和GA-SVM的电能质量扰动识别与分类
电能质量扰动的准确识别与有效分类是改善与治理电能质量问题的前提,针对当前电能质量扰动识别与分类存在的不足,提出一种基于改进S变换和遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)的电能质量扰动识别与分类方法.首先,在S变换高斯窗函数中引入调节因子,依据信号特征分频段选择调节因子,以提高电能质量扰动分析的时频分辨率.其次,结合S变换模时频矩阵提取时频特征曲线,构建电能质量扰动初始特征集.最后,基于遗传算法进行扰动特征优选和支持向量机参数优化,并利用GA-SVM完成电能质量扰动分类.对14种电能质量扰动的分类进行测试,验证所提方法的有效性与鲁棒性.
电能质量、扰动识别与分类、改进S变换、特征优选、参数优化
34
TM93
广东电网公司科技项目GDKJXM20180049
2021-06-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
99-106