基于PCA降维和优化核参数SVM的电能质量扰动分类

摘要

提出了一种基于PCA降维和优化核参数的支持向量机(SVM)相结合的方法用于含噪电能质量扰动分类.首先对采样信号用db4小波进行10层的多分辨分解,提取扰动信号各层能量与标准信号的能量差作为特征向量;然后用主成分分析(PCA)对特征向量进行分析,取前6维数据作为分类的特征向量;将训练集采用交叉验证的方法自适应选择最优参数,并构造训练集模型;最后将测试集数据代入训练集模型进行分类测试.测试结果表明用PCA降维后可以实现扰动的分类,分辨率高,抗噪能力强,提高了分类速度,适用于电能质量扰动的分类.