摘要：该文提出一种多标签排位小波支持向量机（rank wavelet support vector machine，Rank-WSVM），并将其应用于电能质量复合扰动分类中。Rank-WSVM将小波技术与多标签排位支持向量机（Rank-SVM）结合，利用小波的优良特性提高分类器的整体性能。首先，对电能质量扰动信号进行离散小波分解，计算Tsallis小波熵作为特征向量；然后利用所提出的Rank-WSVM多标签分类器进行分类。仿真结果表明，在不同噪声条件下，该方法有效改善了Rank-SVM的分类性能，可有效识别电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变等电能质量扰动及其组合而成的复合扰动。

关键词：电能质量 复合扰动 多标签分类 排位小波支持向量机 

单位：西南交通大学电气工程学院 四川省成都市610031