针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全S变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全S变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升树对各个特征的重要性进行度量,选取重要特征。最后根据选取的特征集训练和构建梯度提升树,得到扰动分类器。仿真实验表明,对于包括8种复合扰动在内的共17种扰动类型,该方法的分类准确率高于CART决策树、随机森林(RF)、多层感知机(MLP)等现有方法。不同噪声条件下的分类结果表明,该方法具有良好的抗噪性能和算法鲁棒性,展现出良好的应用前景。
类型: 期刊论文
作者: 许立武,李开成,罗奕,肖贤贵,张婵,蔡得龙
关键词: 电能质量,扰动识别,梯度提升树,不完全变换,特征选择
来源: 电力系统保护与控制 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室
基金: 国家自然科学基金项目资助(51277080)~~
分类号: TM711
页码: 24-31
总页数: 8
文件大小: 571K
下载量: 235
本文来源: https://www.lunwen66.cn/article/84c7d66fdb43cd76085a89d4.html