基于最大方差展开法的电能质量扰动识别

作者：车辚辚; 孔英会; 陈智雄

来源：系统仿真学报, 2019, 31(08): 1702-1710.

DOI：10.16182/j.issn1004731x.joss.17-0295

• 电能质量扰动
• 流行学习
• 最大方差展开
• 特征提取
• 扰动识别

针对电能质量扰动(power quality disturbance,PQD)的复杂性,提出了一种基于最大方差展开(maximum variance unfolding,MVU)非线性流行学习的PQD特征提取方法,结合分类器算法完成了对PQD识别。对PQD信号进行小波分解得到信号的小波能量作为原始特征集;通过MVU算法对原始特征集进行压缩,由于在算法中引入核函数将非凸二次规划转化为凸半正定最优化问题,从而得到信息量更集中且很好保持训练数据分布边界的低维PQD特征;结合分类器算法完成PQD识别。实验结果表明,MVU算法约简后得到PQD特征向量,不仅有效降低了特征向量个数,而且对PQD的识别准确率高,有一定的工程应用前景。

• 单位
  华北电力大学; 电子工程学院