基于优化最小二乘支持向量机的电能质量扰动分类

作     者：秦业 袁海文 袁海斌 王秋生 张学利 

作者机构：北京航空航天大学自动化科学与电气工程学院北京100191 中国电子科技集团第十五研究所北京100083 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2012年第27卷第8期

页      面：209-214页

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：航空科学基金(2011ZD51053) 高等学校博士学科点专项科研基金(20111102110007) 中航611所基金资助项目 

主　　题：电能质量 特征向量 交叉验证 混合蛙跳算法 支持向量机 

摘      要：提出了一种基于最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)分类器的电能质量扰动分类方法,对电网环境中多类扰动特征混合的情况进行更加精细的分类辨识。针对电能质量扰动特征向量的特点,对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)进行了改进,与交叉验证(Cross Validation,CV)相结合实现了对多分类器参数的优化,有效地解决了支持向量机模型参数优化的问题。仿真实验与工程验证表明,经过优化后的分类器不仅可以提高电能质量波形的分类精度,还可以进一步使分类器避免出现过学习的状态,有效提高了分类器的计算速度。