赵立权, 龙 艳
(东北电力大学信息工程学院,吉林省 吉林市 132012)
基于改进的SVM的电能质量复合扰动分类
赵立权, 龙 艳
(东北电力大学信息工程学院,吉林省 吉林市 132012)
本文利用支持向量机对电能质量复合扰动进行分类,解决其多重分类问题,为了提高其整体分类的准确率,对支持向量机中的核函数进行了改进。考虑到特征向量在核函数中心位置的聚集程度会影响支持向量的数目,本文在核函数中引进一个径向宽度因子和一个幅值调节因子,从而解决传统核函数存在的问题,减少支持向量数目,降低计算复杂度。将改进后的算法应用到电能质量复合扰动分类中,验证所提方法对于电能质量复合扰动分类不仅具有可行性,并且有较高的分类准确率。从仿真实验结果可以看出,改进的方法对常见的7种单一电能质量扰动信号和5种电能质量复合扰动信号能够进行分类,相对原算法提高了分类准确率。
电能质量复合扰动;支持向量机;高斯核函数;分类准确率
近些年,大量负荷接入电力系统,使电网产生各种电能质量问题[1],造成了巨大的经济损失和社会影响,电能质量的检测和分析已成为电力系统研究的重点之一。电能质量扰动分类是电能检测的前提,因此其对电能质量检测和提高具有重要作用。
目前对电能质量扰动的研究更多集中在单一扰动检测方面[2],但是实际中电能质量扰动的存在不是只有一种扰动,而是由多种单一扰动组合而成,这种扰动被称为复合扰动[3,4]。……