基于改进PSO-SVM算法的电能质量扰动分类

作者：何行; 夏水斌; 张芹; 董重重; 冉艳春; 王汪兵; 王先培

来源：电力电容器与无功补偿, 2019, 40(02): 119-124.

DOI：10.14044/j.1674-1757.pcrpc.2019.02.022

• 支持向量机(SVM)
• 小波变换
• 粒子群算法(PSO)
• 电能质量
• 分类

对电能质量进行监测是用电信息采集系统的重要任务之一。针对电能质量扰动的识别和分类问题,提出一种基于小波支持向量机(support vector machine,SVM)的分类方法。对正常电压信号和6种电能质量扰动信号波形进行仿真,首先对各种扰动信号进行小波分解,提取各层小波重构系数的能量熵作为特征向量;然后改进的粒子群(particle swarm optimization,PSO)算法对SVM核函数参数进行优化;最后,利用优化参数的SVM对扰动测试集进行分类识别。仿真结果表明,与BP神经网络分类方法相比,该方法对扰动识别和分类的准确率达到97.28%,且训练时间和测试时间都有所减小。

• 单位
  武汉大学; 国网湖北省电力公司