基于小波熵和SVM的動態(tài)電能質量擾動識別研究.pdf

1、華北電力大學（保定）碩士學位論文基于小波熵和SVM的動態(tài)電能質量擾動識別研究姓名：王洪磊申請學位級別：碩士專業(yè)：電力系統(tǒng)及其自動化指導教師：周明20071230華北電力人學碩十學位論文摘要摘要近年來，電能質量擾動檢測與識別已經(jīng)成為眾多領域普遍關注的問題。本文主要探討了對各種典型動念電能質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相結合的動態(tài)電能質量擾動識別的新方法。首先應用小波包變換對電能質量擾動信號進行降噪處理，然后利用

2、小波奇異熵對擾動信號進行特征提取，并采用基于支持向量機算法的模式識別分類器對特征向量進行訓練與識別。試驗仿真結果表明了該方法具有抗噪性強、模型簡單j泛化能力強、識別率高等優(yōu)點，是一種有效的電能質量擾動識別分析方法。關鍵詞：電能質量，擾動識別，小波熵，支持向量機，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