基于VMD-PCA-SVM的电能质量扰动辨识

作者：胡汉铖; 刘明萍^*; 张震; 张镇涛; 汪庆年

来源：实验室研究与探索, 2021, 40(10): 97-102.

DOI：10.19927/j.cnki.syyt.2021.10.019

• 变分模态分解
• 主成分分析
• 支持向量机
• 电能质量
• 扰动辨识

为提高电能质量扰动辨识的准确性,提出一种基于VMD-PCA-SVM的电能质量扰动辨识方法。用Matlab 2017a仿真得到电能质量扰动信号;用变分模态分解(VMD)分解得到本征模态函数(IMF)分量,计算其希尔伯特边际谱的能量值,构造特征向量;将特征向量用主成分分析法(PCA)降维;将降维特征向量输入支持向量机(SVM)中训练,实现对电能质量扰动信号的辨识。与现有文献对比,试验结果表明,该方法准确率高,鲁棒性强,在不同信噪比下能有效识别包括两种复合扰动在内的8种电能质量扰动信号,准确率高达99.94%。

• 单位
  南昌大学信息工程学院