基于形态小波范数熵和支持向量机的电能质量分类研究

针对电能质量信号分类存在实时性差、准确度低的问题，提出了一种基于 HMT( hit or miss transform) 小波范数熵( norm entropy，NE) 和支持向量机( support vector machine，SVM) 的电能质量 扰动识别方法。根据 HMT 小波分解每一层能量不同的特点，取扰动信号的 10 层小波分解的范数 熵组成特征矩阵。特征量起到了对扰动信号分形的作用，以此作为 SVM 的输入。为了提高分类的 准确度，研究采用了粒子群算法( particle search optimization，PSO) 对 SVM 参数进行了寻优，分类准 确度达到 99% 左右。同时比较了 HMT 小波和传统 db4 小波分别和 SVM 结合时的准确度，证明了 HMT 小波的优势和本文特征量提取法的有效性。而对于含噪声的电能质量信号，采用了广义形态 滤波器进行了滤波预处理。仿真结果表明，该方法识别准确率高，稳定性好，适用于电能质量扰动 识别系统