130
中国科技论文在线
Sciencepaper Online
第4卷 第2期 2009 年 2 月
基于 GA 与 SVM 的混合算法 在电能质量扰动分类问题中的应用
孙 亮,梁艳春
(吉林大学计算机科学与技术学院,长春 130012)
摘 要:本文针对电能质量扰动分类问题,提出了一种基于GA与SVM的混合算法.首先用小波变换技术对电 信号进行特征提取, 然后设计出一种遗传算法对提取出的特征进行筛选, 最后把筛选后的特征提交给支撑向量 机,并由支撑向量机进行分类.数值模拟实验验证了该方法的有效性. 关键词:电能质量扰动;小波变换;遗传算法;支撑向量机 中图分类号:TP39 文献标识码:A 文章编号:1673-7180(2009)02-0130-5
Application of GA and SVM based hybrid algorithm for the classification of power-quality disturbances
SUN Liang,LIANG Yanchun (College of Computer Science and Technology, Jilin University, Changchun 130012,China) Abstract: For the classification of power quality disturbances, we present a GA and SVM based hybrid algorithm. Firstly, a wavelet transform technique is used for feature extraction. Then a genetic algorithm is proposed for feature selection. The support vector machine technique is used for classification of selected features. Numerical experiments validate the effectiveness of the proposed algorithm. Key words: power quality disturbance;wavelet transform;genetic algorithm;support vector machine
0 引 言
电能质量扰动(Power Quality Disturbances,PQD) 是指在电压, 电流或频率上表现出偏差而导致用户设备 故障或运行异常的任何电力问题 .它对电力公司,用 户和用电设备制造商都有直接或间接的影响. 理想状况
[1]
下, 提交给电子和电气设备的电压或电流应该具有如下 性质:①正弦波形;②稳定的频率;③稳定的振幅;④ 稳定的相位角.然而,一些非线性的负载,如计算机, 调速马达等,都会给整个电网带来影响,产生电压/电 流上升,下降,谐波,振荡等问题.其结果是电力质量 下降,电能的浪费和电费超支,甚至会造成对其他电器
基金项目:国家自然科学基金项目(60673023, 10872077);高等学校博士学科点专项科研基金项目(20070183055);国家高技术研究发展计 划项目(2007AA04Z114);广东省教育部产学研合作项目(2007B090400031); 吉林省科技发展项目(20080708) 作者简介:孙亮(1981- ),男,博士研究生, sliang@email.jlu.edu.cn 通信联系人:梁艳春,教授,ycliang@jlu.edu.cn
第4卷 第2期 2009 年 2 月
基于 GA 与 SVM 的混合算法在电能质量扰动分类问题中的应用
131
设备有损坏的危险. 研究电能质量扰动问题,一个重要问题就是对 电网中某些节点的电流或电压进行监测,当电能质 量扰动问题发生时,能够快速地对其进行识别并分 类,进而采取适当措施减少扰动影响.解决该问题 的常用方法要结合小波变换(Wavelet Transform, WT) 与人工神经网络(Artificial Neural Network, ANN)两 种技术[2-4].前者用来对电信号进行特征提取,而后 者用来对提取出来的特征进行分类.迄今,已有很 多学者利用该类方法对电能质量扰动问题进行研究
[5-7]
2 基于 GA-SVM 的电能质量扰动分类

下一页