基于小波熵和SVM的動態(tài)電能質(zhì)量擾動識別研究.pdf

1、華北電力大學(xué)（保定）碩士學(xué)位論文基于小波熵和SVM的動態(tài)電能質(zhì)量擾動識別研究姓名：王洪磊申請學(xué)位級別：碩士專業(yè)：電力系統(tǒng)及其自動化指導(dǎo)教師：周明20071230華北電力人學(xué)碩十學(xué)位論文摘要摘要近年來，電能質(zhì)量擾動檢測與識別已經(jīng)成為眾多領(lǐng)域普遍關(guān)注的問題。本文主要探討了對各種典型動念電能質(zhì)量擾動的檢測與識別，提出了一種基于小波奇異熵和支持向量機(jī)相結(jié)合的動態(tài)電能質(zhì)量擾動識別的新方法。首先應(yīng)用小波包變換對電能質(zhì)量擾動信號進(jìn)行降噪處理，然后利用

2、小波奇異熵對擾動信號進(jìn)行特征提取，并采用基于支持向量機(jī)算法的模式識別分類器對特征向量進(jìn)行訓(xùn)練與識別。試驗(yàn)仿真結(jié)果表明了該方法具有抗噪性強(qiáng)、模型簡單j泛化能力強(qiáng)、識別率高等優(yōu)點(diǎn)，是一種有效的電能質(zhì)量擾動識別分析方法。關(guān)鍵詞：電能質(zhì)量，擾動識別，小波熵，支持向量機(jī)，小波包降噪ABSTRACTInrecentyears，powerqualitydisturbancesdetectionandclassificationhasbecomeapr

3、oblemwhichattractstheconceminmanyfieldsThispapermainlydiscussestheVariousmodelsofdynamicpowerqualitydisturbancesdctectionandclassification，anoVelapproachondynamicpowerqualitydisturbanceclassificationbasedonwaveletsingula

4、rentropyandsupportVectormachineispresentedinthispaperAtfirstthewaVeletpackettransfomisappliedtoreducethenoiseofpowerqualitydisturbancesignalThenthewaVeletsingularentropyisusedtoextractthefeatureofdisturbancesigIlalAt1ast

5、thepattemrecogllitionclassifierbasedontheSVMalgorithmisusedtotrainandclassifytheeigenVectorThesimulationresultsshowthattheproposedmethodiseffcctiVeinpowerqualitydisturbancesclassificationwhichhasthepropertiesofpower如lant

6、inoiseperfomance，simplemodel，highrecognitionrateaIldhighgeneralizedperfo咖anceWangHonglei(PowcrSystem鋤dItsAutomation)DirectedbyProfZhouMingKEYWoRDS：powerquality’disturbanceclassification，waVeletentropy，SVM，waVeIetpacketno