基于案例推理和SVM-KNN的電能質(zhì)量擾動(dòng)分類方法研究.pdf

1、隨著電氣工程和工業(yè)自動(dòng)化的不斷發(fā)展，電能質(zhì)量日益成為現(xiàn)代企業(yè)不可忽視的因素，由電能質(zhì)量引起的各類產(chǎn)品及工程問題，嚴(yán)重制約了企業(yè)的發(fā)展并造成諸多損失。引起電能質(zhì)量問題的原因有很多，諸如電力電子設(shè)備的廣泛應(yīng)用，使得各種波動(dòng)性、沖擊性、非線性負(fù)載嚴(yán)重污染了現(xiàn)代電力系統(tǒng)。因此為了提高對(duì)用戶的供電可靠性，實(shí)現(xiàn)企業(yè)用戶與電網(wǎng)公司的和諧、可持續(xù)化發(fā)展，必須有效解決電能質(zhì)量相關(guān)問題。治理電能質(zhì)量的前提，就是對(duì)各類電能質(zhì)量擾動(dòng)問題加以正確的分類分析、深入

2、研究電能質(zhì)量現(xiàn)象下的電磁干擾原因，從而制定出相應(yīng)的解決方案和措施，因此，正確、有效地對(duì)電能質(zhì)量問題進(jìn)行分類整理，是解決各類電能質(zhì)量擾動(dòng)問題的必要前提，更是研究電能質(zhì)量相關(guān)課題的工作基礎(chǔ)。
　　本文所做的工作主要是針對(duì)電能質(zhì)量擾動(dòng)信號(hào)的準(zhǔn)確分類問題，將案例推理的思想引入到擾動(dòng)信號(hào)的分類中，提出了一種基于案例推理（Case-Based Reasoning，CBR）和支持向量機(jī)（Support Vector Machine，SVM）的電

3、能質(zhì)量擾動(dòng)分類方法。首先通過原子分解法對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分解，提取特征向量，并以此建立電能質(zhì)量擾動(dòng)信號(hào)案例庫；在進(jìn)行分類時(shí)借助SVM-KNN（KNearest Neighbour，KNN）算法對(duì)案例庫進(jìn)行檢索，找出最相似源案例；通過修改或重用最相似案例的結(jié)果來確定擾動(dòng)信號(hào)分類結(jié)果。算例表明該方法構(gòu)造的分類器結(jié)合了案例推理和支持向量機(jī)在模式分類中各自的優(yōu)點(diǎn)，結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練樣本少，識(shí)別準(zhǔn)確率高，分類速度快，能夠有效的識(shí)別種常見的六種電能