奇异值分解和最小二乘支持向量机在电能质量扰动识别中的应用

基于奇异值分解(singularvaluedecomposition，SVD)和最小二乘支持向量机(leastsquaresupportvectormachine，LS-SVM)提出电能质量扰动类型识别的新方法。通过对电能质量扰动信号的小波包变换系数矩阵进行奇异值分解，将基频、扰动频率分量、噪声分解到不同的正交特征子空间。再与正常电压信号的奇异值作比值以抵消噪声能量的影响，最大限度地体现出扰动类型间的细微差别，以此作为扰动特征向量，作为最小二乘支持向量机分类器的输入参数，来实现电能质量扰动类型的识别。仿真结果表明，该方法识别准确率高，受噪声影响小，算法稳定性好。