采用 S 变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展,S 变换引入了宽度与频率成反向变化的高斯窗,具有与频率相关的分辨率。由于 S 变换具有良好的时频特性,因而非常适合于进行电能质量扰动...采用 S 变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展,S 变换引入了宽度与频率成反向变化的高斯窗,具有与频率相关的分辨率。由于 S 变换具有良好的时频特性,因而非常适合于进行电能质量扰动信号特征提取。首先通过 S 变换进行扰动信号特征提取,然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高,对噪声不敏感,训练样本少等优点,是电能质量扰动识别的有效方法。展开更多
文摘采用 S 变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展,S 变换引入了宽度与频率成反向变化的高斯窗,具有与频率相关的分辨率。由于 S 变换具有良好的时频特性,因而非常适合于进行电能质量扰动信号特征提取。首先通过 S 变换进行扰动信号特征提取,然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高,对噪声不敏感,训练样本少等优点,是电能质量扰动识别的有效方法。
