摘要:基于奇异值分解(singular value decomposition,SVD)和最小二乘支持向量机(leastsquare support vector machine,LS-SVM)提出电能质量扰动类型识别的新方法。通过对电能质量扰动信号的小波包变换系数矩阵进行奇异值分解,将基频、扰动频率分量、噪声分解到不同的正交特征子空间。再与正常电压信号的奇异值作比值以抵消噪声能量的影响,最大限度地体现出扰动类型间的细微差别,以此作为扰动特征向量,作为最小二乘支持向量机分类器的输入参数,来实现电能质量扰动类型的识别。仿真结果表明,该方法识别准确率高,受噪声影响小,算法稳定性好。
关键词:电能质量 小波包 奇异值分解 最小二乘支持向量机
单位:东北电力大学电气工程学院 吉林省吉林市132012 湖南省超高压管理局 湖南省长沙市410015 安徽宿州供电公司 安徽省宿州市234000
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社