基于小波变换和GA-LSSVM的电能质量扰动识别与分类

作者：彭宇文; 李瑞; 李沁雪; 杨国荣; 陈晓华; 许海文

来源：黑龙江电力, 2023, 45(01): 1-9.

DOI：10.13625/j.cnki.hljep.2023.01.001

• 电能质量
• 电力系统
• 扰动识别
• 机器学习
• GA-LSSVM

电力系统的负荷需求迅速增加，使得电能质量问题频繁出现，而电能质量扰动的有效识别对提高电网电能质量起到至关重要的作用。为此，提出一种基于遗传算法优化最小二乘支持向量机(GA-LSSVM)的电能质量扰动源识别与分类方法。首先应用小波变换对电能质量扰动信号进行多尺度分析，在Matlab仿真平台利用库函数提取信号的数据特征集，再利用机器学习及其优化分类器算法GA-LSSVM实现电能质量扰动的分类识别。仿真试验证明，该方法能够识别不同的5种电能质量扰动信号，并且具有较高的分类准确度和抗干扰能力。

• 单位
  广州航海学院; 广东工业大学