基于案例推理和SVM-KNN的电能质量扰动分类方法

作者: 陈伟张韵裴喜平林洁李恒杰谢兴峰

关键词: 电能质量分类方法案例推理支持向量机原子分解法

摘要：针对电能质量扰动信号的准确分类识别问题,提出一种基于案例推理(CBR)和支持向量机(SVM)的电能质量扰动分类方法.首先通过原子分解法对电能质量扰动信号进行分解,提取特征向量, 并以此建立电能质量扰动信号案例库;在进行分类时借助SVM-KNN算法对案例库进行检索,找出最相似源案例;通过修改或重用最相似案例的结果来确定扰动信号分类结果.算例表明该方法构造的分类器结合了案例推理和支持向量机在模式分类中各自的优点,结构简单,训练样本少,识别准确率高,分类速度快,能够有效地识别常见的6种电能质量扰动.

上一篇： 一种阶梯攀爬机器人的新型智能控制策略
下一篇： 面向移动智能终端的踩踏预防系统

基于案例推理和SVM-KNN的电能质量扰动分类方法

作者: 陈伟 张韵 裴喜平 林洁 李恒杰 谢兴峰

关键词: 电能质量 分类方法 案例推理 支持向量机 原子分解法

作者: 陈伟张韵裴喜平林洁李恒杰谢兴峰

关键词: 电能质量分类方法案例推理支持向量机原子分解法