基于支持向量機的諧波分析研究與實現(xiàn).pdf

1、長期以來，以高消耗、重污染為特征的傳統(tǒng)化石能源利用方式出現(xiàn)了嚴重的危機，化石能源日漸枯竭，環(huán)境問題變得刻不容緩。因此，提供可靠、穩(wěn)定及高效的電力能源就顯得十分重要。影響電能質量的因素眾多，諧波在這些因素中尤為突出，因而就不可避免地要對諧波展開行之有效的控制和治理，顯然這又必須以精準的諧波監(jiān)測與分析為基礎。
　　基于 DSP微處理器分析電力諧波的方式，具有分析精度高、體積小、功耗低、響應快等優(yōu)點在眾多的諧波監(jiān)測與分析方式中脫穎而出，

2、并受到了業(yè)界的廣泛關注。本文以電力諧波為研究對象，對參數(shù)選擇及求解過程優(yōu)化后的支持向量機算法在諧波檢測與分析場合中的應用進行了重點研究和設計，并搭建了 DSP微處理器平臺對所設計的算法進行了實際信號分析驗證。
　　首先，闡述并分析了統(tǒng)計學習的基本理論，引入了該理論基礎上的支持向量機算法，并對該算法進行了深入的分析和研究，歸納出了支持向量機分析回歸問題的具體步驟。對支持向量機理論下的諧波信號分析模型展開了深入的剖析，并指出了現(xiàn)行算法

3、中存在的不足之處。
　　其次，引入了遺傳算法來搜索、優(yōu)化支持向量機的相關調(diào)控參數(shù)，在遺傳算法的理論基礎上以數(shù)學建模的形式對該算法作出了分析與研究。深入分析與探討了遺傳算法在樣本分析過程中如何保持樣本的多樣性及該算法的收斂性問題，闡述了遺傳算法優(yōu)化支持向量機參數(shù)問題的具體步驟。
　　再者，選擇了特殊的近似誤差與產(chǎn)生代價之間關系的函數(shù)，并結合支持向量機基礎上的電力系統(tǒng)信號分析理論重新構建了分析電力諧波信號的數(shù)學模型，歸納出了迭代