基于优化最小二乘支持向量机的电能质量扰动分类
Classification of Power Quality Disturbances Based on Optimized Least Squares Support Vector Machine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。