电能质量扰动识别，通过S变换对电能质量扰动（谐波，闪变，暂升等单一扰动和复合扰动）进行变换得到时频图，并对其进行特征提取，通过决策树对所提取的特征识别分类，达到对电能质量扰动的识别。 含时频图，ROU曲线，混淆矩阵matlab，有注释，清晰明了，可讲解。 matlab程序

含分布式电源的配电网电能质量扰动源定位研究

针对电能质量扰动信号的识别问题，提出基于聚类改进S变换与直接支持向量机（SVM）的电能质量扰动识别方法。提出聚类改进S变换方法，该方法结合电能质量扰动信号的特点，可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理，保证特征提取的准确性；将直接支持向量机作为分类器，与最小二乘支持向量机相比，其求解简单，计算复杂度较低，训练与测试速度快，泛化能力较高，并且避免不能保证全局最优解的缺点；将聚类改进S变换与直接支持向量机相结合，应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。

移动开发-基于Nios Ⅱ的暂态电能质量扰动检测的SOPC设计.pdf

S变换，电能质量扰动识别分类，时频图，matlab程序，附有注释，清晰明了。

用CNN对电能质量扰动进行分类，可以直接使用，数据都在里面，仅供参考

该项目与Itajubá联邦大学的Gabriel CS Almeida题为“智能学习中先进功率质量扰动的鲁棒分类器的机器学习应用”的硕士学位论文相关。 以下是MATLAB代码的详细信息。 新设备的插入，数据流的增加，间歇性生成和大规模计算机化大大增加了当前电气系统的复杂性。 这种增加导致了必要的变化，例如需要更智能的电气网络来适应这种不同的现实。 以大数据，机器学习（ML），深度学习（DL）和模式识别为代表的人工智能（AI）技术的出现代表了基于信息和知识的社会和全球发展的新时代。 随着最近的智能电网（SG），使用这种类型智能的技术的使用将变得更加必要。 本文研究了在SG中使用高级信号处理和ML算法创建高级功率质量扰动的鲁棒分类器的方法。 为此，使用随机元素生成已知的PQ干扰模型，以逼近实际应用。 从这些模型中，随着这些干扰的产生，产生了成千上万的信号。 使用离散小波变换（DWT）的信号处

此处的脚本使用以下提出的方法对电能质量扰动进行数学建模： Z. Moravej , AA Abdoos & M. Pazoki (2009) 使用小波变换和支持向量机检测和分类电能质量扰动，电力组件和系统，38:2, 182-196, DOI: 10.1080/15325000903273387 这可能对未来研究人员在电能质量扰动的研究、建模和分类方面很有用。 只需执行该功能即可查看不同的模型。

行业制造-电动装置-一种基于PSO的电能质量扰动识别与分类方法.zip

在对三个标准电能质量问题进行了s变换后，它绘制出轮廓图-下垂，膨胀，中断