第４２卷第１期红水河Ｖｏｌ．４２Ｎｏ．１２０２３年２月ＨｏｎｇＳｈｕｉＲｉｖｅｒＦｅｂ．２０２３基于ＣＮＮ和改进型ＳＶＭ的电能质量扰动分类方法杨华勋（柳州铁道职业技术学院通信信号学院，广西柳州５４５６１６）摘要：为了解决电能质量扰动特征选取繁琐和困难、运算速度慢、识别精度低和分类准确率低等难题，提出一种融合卷积神经网络和改进型支持向量机的电能质量扰动分类方法。通过使用卷积神经网络自主提取电能质量的特征值，再将特征值输入到支持向量机网络中进行分类识别；利用蝗虫优化算法选取最佳的惩罚因子和核函数，大大提升了支持向量机网络预测收敛速度。实验结果表明，采用文中提出的分类算法对８种常见的电能质量扰动信号能够有效地识别和分类，预测准确率达到０．９９８，相比ＣＮＮ算法，具有更高的识别精度和分类准确率。该文提供了一种抗干扰能力强的电能质量扰动分类方法。关键词：电能质量；卷积神经网络；支持向量机；蝗虫优化算法；扰动；分类识别中图分类号：ＴＰ１８３；ＴＭ７１１文献标志码：Ａ文章编号：１００１－４０８Ｘ（２０２３）０１－００９９－０６ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－４０８Ｘ．２０２３．０１．０２０开放科学（资源服务）标识码（ＯＳＩＤ）：ＰｏｗｅｒＱｕａｌｉｔｙＤｉｓｔｕｒｂａｎｃｅＣｌａｓｓｉｆｉｃａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＣＮＮａｎｄＩｍｐｒｏｖｅｄＳＶＭＹＡＮＧＨｕａｘｕｎ(ＳｃｈｏｏｌｏｆＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＳｉｇｎａｌ,ＬｉｕｚｈｏｕＲａｉｌｗａｙＶｏｃａｔｉｏｎａｌＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ,Ｌｉｕｚｈｏｕ５４５６１６,Ｃｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｔｅｄｉｏｕｓａｎｄｄｉｆｆｉｃｕｌｔｓｅｌｅｃｔｉｏｎｏｆｐｏｗｅｒｑｕａｌｉｔｙｄｉｓｔｕｒｂａｎｃｅｆｅａｔｕｒｅｓ,ｓｌｏｗｏｐｅｒａｔｉｏｎｓｐｅｅｄ,ｌｏｗｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙａｎｄｌｏｗｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ,ａｐｏｗｅｒｑｕａｌｉｔｙｄｉｓｔｕｒｂａｎｃｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｉｍｐｒｏｖｅｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎ...
