資源描述：
《多類分類SVM在電能質(zhì)量擾動識別中的應(yīng)用.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第38卷第13期電力系統(tǒng)保護(hù)與控制v01．38NO．132010年7月1目PowerSystemProtectionandControlJu1．1，2010多類分類SVM在電能質(zhì)量擾動識別中的應(yīng)用陳春玲，許童羽，鄭偉，姜鳳利，郭丹(沈陽農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，遼寧沈陽11O161)摘要：結(jié)合傅里葉變換良好的幅頻特性、小波變換良好的時頻特性和支持向量機優(yōu)秀的統(tǒng)計學(xué)習(xí)能力，采用多類分類支持向量機進(jìn)行電能質(zhì)量擾動的分類識別。對電壓驟升、電壓驟降、電壓中斷、諧波、電壓波動、暫態(tài)振蕩、瞬時脈沖、頻率偏差等八種常見電能質(zhì)量擾動進(jìn)行數(shù)學(xué)建模，利用傅里葉
2、變換和小波變換對產(chǎn)生的樣本波形進(jìn)行特征提取，將特征量輸入到OSU—svm進(jìn)行電能質(zhì)量擾動多類分類。算例表明該方案具有識別正確率高，訓(xùn)練樣本數(shù)少，訓(xùn)練時間短，實時性好，對噪聲不敏感等優(yōu)點，是電能質(zhì)量擾動識別的有效方法。關(guān)鍵詞：電能質(zhì)量；擾動識別；支持向量機；多類分類Applicationofmulti-classclassificationSVMinpowerqualitydisturbancesclassificationCHENChun—ling，XUTong—yu，ZHENGWei，JIANGFeng—li，GUODan(Schoolof
3、InformationandElectricEngineering，ShenyangAgriculturalUniversity，Shenyang110161，China)Abstract：Thispaperusesthemulti—classclassificationforsupportvectormachineandcombinesthegoodamplitude-frequencycharacteristicofFouriertransform，thegoodtime—frequencycharacteristicsofwavelet
4、transformandtheexcellentstatisticallearningabilityofsupportvectormachinetomaketheclassificationandrecognitiontothedisturbancesofpowerquality．Mathematicalmodelingisdoneforthe8kindsofcommonpowerqualitydisturbances，namelyvoltageswell，voltagesag，voltageinterruption，harmonic，vol
5、tagefluctuation，transientoscillation，transientpulseandfrequencydeviation，andthenFouriertransformandwavelettransformareusedtoextractthecharacteristicsofthewaveformofthegeneratedsamples，andthecharacteristicvalueisinputtotheosusvmandthequalitydisturbancesmulti—classclassificat
6、ionaredone．Theexampleshowsthatthismethodhasahighrecognitionaccuracy，afewtrainingsamplesandashorttrainingtime，agoodreal—timeperformance，andisnotsensitivetonoise，etc．Itisaneffectivemethodforpowerqualitydisturbancesclassification．Keywords-powerquality；disturbancesclassificatio
7、n；supportvectormachine；multi—classclassification中圖分類號：TM71文獻(xiàn)標(biāo)識碼：A文章編號：1674—3415(2010)13．0074．05構(gòu)簡單和求解問題能力強的優(yōu)點，但是它存在算法0引言局部最優(yōu)問題，訓(xùn)練時間較長，易發(fā)生過擬合等缺實際電網(wǎng)中往往同時存在多種電能質(zhì)量擾動，點。模糊技術(shù)通過簡單明了的“IF．THEN”形式的知對這些擾動信號不僅要實現(xiàn)快速檢測，還需要準(zhǔn)確識規(guī)則形成判斷，識別效率較高，但由于許多電能識別，這就需要對各種擾動進(jìn)行正確的分類。而監(jiān)質(zhì)量擾動，例如諧波、振蕩、電壓波動等，很
8、難建測到的電能質(zhì)量數(shù)據(jù)往往十分龐大，因此實現(xiàn)各種立“IF．THEN”這樣的明顯知識規(guī)則，因此限制了擾動快速準(zhǔn)確的自動分類，已成為電能質(zhì)量分析領(lǐng)模糊技術(shù)的運用。支持向
