尹志勇，陈永光，桑博

（1.军械工程学院车辆与电气工程系，河北石家庄050003；2.北京跟踪与通信技术研究所，北京100094）

基于GA-SVM的电能质量扰动分类方法研究

尹志勇1，陈永光2，桑博1

（1.军械工程学院车辆与电气工程系，河北石家庄050003；2.北京跟踪与通信技术研究所，北京100094）

电能质量扰动的准确分类，是电能品质改善和治理的重要决策依据.为解决支持向量机（SVM）分类器在多分类问题中的不足，采用模式识别领域中聚类分析的思想，提出了一种基于遗传算法（GA）的SVM决策树多分类电能质量扰动识别方法.该方法首先对参数进行初步最优值筛选，将得到的初步最优值作为遗传算法初始值进行编码，根据设立的适应度函数完成GA中的选择、交叉、变异等操作，进一步搜索最优值，再以最优决策树构建SVM分类器，最终实现SVM的多分类.仿真结果表明，相比未经优化的SVM模型，基于GA算法优化的SVM具有较高的识别精度和抗噪能力.

电能质量扰动；分类；遗传算法；支持向量机

0 引言

电网中的非线性、冲击性和不平衡负荷的投入导致电网电压波形发生畸变、电压波动和三相不平衡等，造成严重的电能质量问题，深入研究影响电能质量的各种因素，实现电能质量扰动的准确分类，是电能品质改善和治理的重要决策依据[1-2].SVM作为模式识别等相关领域的重要分类方法，也开始逐步运用到电能质量扰动分类识别领域中[3-4].文献[5]针对提高SVM识别率，提出了将SVM训练样本集识别率作为遗传算法的……