文献类型：期刊文章

作　　者：屈高强[1] 王承民[2] 齐彩娟[1] 赵亮[1] 刘涌[3] 陈万喜[3]

QU Gaoqiang;WANG Chengmin;QI Caijuan;ZHAO Liang;LIU Yong;CHEN Wanxi(Institute of Economy and Technology,Ningxia Electric Power Company,Yinchuan 750001,China;Shanghai Jiaotong University,Shanghai 200240,China;Shanghai Boying Information Technology Co.,Ltd.,Shanghai 200240,China)

机构地区：[1]国网宁夏电力公司经济技术研究院,银川750001 [2]上海交通大学,上海200240 [3]上海博英信息科技有限公司,上海200240

出　　处：《电力电容器与无功补偿》

基　　金："网源荷"互动的调峰调频规划关键技术研究(5229JY160003)

年　　份：2019

卷　　号：40

期　　号：1

起止页码：115-122

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、核心刊

摘　　要：为了避免支持向量机预测结果易受惩罚因子和核函数参数参数选择的影响,提出一种DA算法优化SVM的电能质量扰动诊断和识别模型,实现电能质量扰动最优化诊断和识别。首先运用EMD将电能质量扰动信号进行分解,之后计算各尺度下的IMF分量的样本熵,并将其作为电能质量扰动信号的特征向量,建立SVM的电能质量扰动信号的识别模型。实验结果表明,与GA_SVM、PSO_SVM和DE_SVM相比,本文提出的算法DA_SVM可以有效提高电能质量扰动识别的准确率,收敛速度快,为电能质量扰动诊断和识别提供新的方法和途径。

关 键 词：样本熵  支持向量机 蜻蜓算法  电能质量 经验模态分解

分 类 号：TM744]