基于GA-SVM的电能质量扰动分类方法研究

摘要：

电能质量扰动的准确分类,是电能品质改善和治理的重要决策依据.为解决支持向量机(SVM)分类器在多分类问题中的不足,采用模式识别领域中聚类分析的思想,提出了一种基于遗传算法(GA)的SVM决策树多分类电能质量扰动识别方法.该方法首先对参数进行初步最优值筛选,将得到的初步最优值作为遗传算法初始值进行编码,根据设立的适应度函数完成GA中的选择、交叉、变异等操作,进一步搜索最优值,再以最优决策树构建SVM分类器,最终实现SVM的多分类.仿真结果表明,相比未经优化的SVM模型,基于GA算法优化的SVM具有较高的识别精度和抗噪能力.

关键词：电能质量扰动、分类、遗传算法、支持向量机

所属期刊栏目：46

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51307184

在线出版日期：2017-10-30（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：75-79