小波包和最小二乘支持向量机的电能质量扰动识别

摘要：

为了提高电能质量扰动识别的准确性,针对当前电能质量扰动识别存在精度低、误差大等难题,提出小波包和最小二乘支持向量机的电能质量扰动识别模型(WP-LSSVM).首先对当前电能质量扰动识别研究现状进行分析,并采用小波包提取电能质量扰动特征向量;然后采用最小二乘支持向量机建立电能质量扰动识别的分类器;最后通过电能质量扰动识别仿真实验验证其有效性.结果表明,WP-LSSVM可以很好地区别电能质量扰动类别,提高了电能质量扰动识别正确率,而且误识率要远远低于其他电能质量扰动识别模型,具有十分显著的优越性.

关键词：电能质量、扰动识别、特征向量、分类器、支持向量机、最小二乘

所属期刊栏目：41

分类号：TN911.73-34

资助基金：2015年河北省教育厅科研项目:焊接缺陷电涡流检测技术研究QN2016321 Project Supported by 2015 Scientific Research Project of Hebei Education Department:Technical Studies about Eddy Current on Weld Defects DetectionQN2016321

在线出版日期：2018-02-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：171-174,181