[发明专利]基于PSO优化的SVM的电能质量扰动识别与分类方法

权利要求书

1.基于PSO优化的SVM的电能质量扰动识别与分类方法，其特征在于包括如下步骤：

a、建立含有常见动态扰动信号的信号模型，采用复小波变换从输入电压信号中提取扰动信号，通过构造采用Mallat快速小波算法的Db4正交紧支复小波对扰动信号进行多尺度复小波分解，得到复小波系数；

b、根据复小波系数的实部和虚部，计算提取扰动信号的简单和复合信息；

c、对扰动信号进行多尺度复小波分解后，选取各层上的能量、平均值、标准偏差、扰动持续时间及步骤b中构造的复合信息构成扰动信号的特征向量；

d、首先利用PSO寻优最佳参数的SVM，构造多级聚类SVM分类树，其次将特征向量及特征向量对应的类别输入该分类树进行训练得到训练样本，然后利用训练样本对包含上述常见动态扰动信号的测试样本进行分类，最后得到并输出所求的相对应的分类结果。

2.根据权利要求1所述的基于PSO优化的SVM的电能质量扰动识别与分类方法，其特征在于，所述步骤b中，经过复小波变换得到的简单信息包括实部、虚部、幅度和相位，根据这些简单信息构造动态扰动信号的复合信息包括虚部和相位复合、实部和相位复合、以及幅度和相位复合。

3.根据权利要求1所述的基于PSO优化的SVM的电能质量扰动识别与分类方法，其特征在于，所述常见动态扰动信号包括电压骤升信号、电压骤降信号、暂时电压中断信号、暂态脉冲信号和暂态振荡信号。