基于GA-SVM的电能质量多扰动信号分类识别方法

摘要

本发明公开了一种基于GA‑SVM的电能质量多扰动信号分类识别方法，首先采用基于改进的EEMD的HHT方法对各种电能质量复合扰动进行特征提取，即根据EEMD算法的特性，添加绝对值相等的正负高斯白噪声来降低噪声残余；利用概率统计的参数自适应特性对EEMD算法的参数选择过程进行了优化；提出自适应阈值去噪的方法对IMF信号进行去噪处理，降低了各个IMF分量中噪声的影响；其次运用GA算法实现SVM参数的最优化；选取支持向量机（SVM）分类器作为电能质量多扰动信号的分类工具；同时，针对传统SVM存在的经验参数选取等缺点，提出了利用GA的全局寻优特性优化SVM参数的选取过程，大大节省了依靠经验和反复试验来设置参数的时间并提高了参数的准确性和实用性。