基于RQA与DAGSVM的电能质量扰动识别方法.pdfVIP

第42卷第1期算机仿真2025年1月

文章编号：1006-9348(2025)01-0052-05

基于RQA与DAGSVM的电能质量扰动识别方法

陈武，钟建伟，杨永超，梁会军

（湖北民族大学智能科学与工程学院，湖北恩施445000）

摘要：针对电能质量扰动（powerqualitydisturbance,PQD)随机多变导致的特征交叉及分类性能不足的问题，提出了一种递

归定量分析（recurrencequantificationanalysis，RQA）与有向无环图支持向量机（directedacyclicgraphsupportvectormachine，

DAGSVM)的PQD分类新方法。首先利用基于复杂网络理论的递归定量分析法定量刻画电能质量扰动的递归图，并构造特

征矩阵；其次通过DACSVM构建PQD分类模型；最后采用基于发现学习的教与学优化算法优化PQD分类器的惩罚系数和

核函数参数从而提升PQD分类器性能。结果表明，上述方法对PQD具有较高的识别准确率和良好的抗噪性。

关键词：电能质量扰动信号；分类；教与学优化算法；递归定量分析

中图分类号：TP391.9文献标识码：B

MethodofPowerQualityDisturbanceRecognition

BasedonRQAandDAGSVM

CHENWu,ZHONGJian-wei,YANGYong-chao,LIANGHui-jun

(CollegeofIntelligentSystemsScienceandEngineering,HubeiMinzuUniversity,EnshiHubei445000,China)

ABSTRACT:Regardingtheproblemoffeaturecrossoverandinsufficientclassificationperformancecausedbysto-

chasticvariationofpowerqualitydisturbance(PQD),anewclassificationmethodofPQDbasedonrecurrencequan-

tificationanalysis(RQA)anddirectedacyclicgraphsupportvectormachine(DAGSVM)isproposed.Firstly,there-

currenceplotofpowerqualitydisturbanceisquantitativelydescribedbyusingtheRQAbasedoncomplexnetwork

theory,andthecharacteristicmatrixisconstructed.Secondly,theclassificationmodelofPQDisbuiltbasedonDAGS-

VM.Finally,theteaching-learning-basedoptimizationalgorithmwithdiscoverylearning(TLBO/DL)isusedtoopti-

mizethepenaltycoefficientandkernelfunctionparameterstoimprovetheperformanceofthePQDclassifier.There-

sultsshowthatthemethodhashighrecognitionaccuracyandgoodanti-noiseperformanceforPQD.

KEYWORDS:Powerqualit