摘要：提出了一种基于短时傅里叶变换和DAG（Directed Acyclic Graph）支持向量机的电能质量扰动检测和识别方法。将扰动信号通过Blackman窗短时傅里叶变换,得出时域最大幅值向量,然后把它作为特征向量输入到DAG支持向量机来实现电能质量扰动类型的识别。其中,时域最大幅值向量不仅能反映各种扰动的特征,还能显示电压突升、电压暂降、电压中断和暂态振荡等扰动的发生时刻和持续时间。仿真测试表明,该方法能有效识别各种电能质量扰动,而且识别正确率高,训练时间短,实时性能较好。

关键词：短时傅里叶变换 blackman窗 特征提取 支持向量机 dag 

单位：华南理工大学电力学院 广东广州510640