论文部分内容阅读
结合傅立叶变换良好的幅频特性、小波变换良好的时频特性和支持向量机优秀的统计学习能力，采用多类分类支持向量机进行电能质量扰动的分类识别。首先对电压骤升、电压骤降、电压中断、谐波、电压波动、暂态振荡、瞬时脉冲、频率偏差8 种常见电能质量扰动进行数学建模,利用傅里叶变换和小波变换对产生的样本波形进行特征提取,将特征量输入到osu_svm 进行电能质量扰动多类分类。算例表明该方案具有识别正确率高，训练样本数少，训练时间短，实时性好，对噪声不敏感等优点，是电能质量扰动识别的有效方法。