基于Hilbert-huang变换和RVM的电能质量检测与分类

摘要：

由于电力系统非常复杂,电能质量对电力系统的影响很大,为了提取电能质量的扰动参数及其对扰动类型的判别,在常规电能质量检测的基础上,利用Hilbert-huang变换(HHT)算法对集总经验模态分解(EEMD)产生的有效分量进行变换,将扰动频率数量、扰动持续时间、电压扰动幅值与相位这四个特征量从得到的曲线中提取,同时结合相关向量机(RVM)的分类特性,对特征值进行提取,处理后输入到粒子群优化相关向量机(PSO-RVM)分类器中进行扰动问题分类.最终在Matlab仿真平台上进行验证,该方法可以准确地识别各个扰动的特征量,与现有的扰动分类方法进行对比,表明PSO-RVM有较高的分类准确性,且参数简单,具有一定的抗噪性.

关键词：电能质量、Hilbert-huang变换(HHT)、粒子群优化相关向量机(PSO-RVM)、检测分类

分类号：TM711(输配电工程、电力网及电力系统)

资助基金：山西省重点研发计划高新 201803D121106;山西省应用基础研究计划;太原科技大学教学改革创新项目;太原科技大学大学生创新创业训练计划

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：123-127