| 基于自适应不完全S变换与LOO-KELM算法的复合电能质量扰动识别 |
| |
| 作者姓名： | 伊慧娟 高云鹏 朱彦卿 黄瑞 黄纯 |
| |
| 作者单位： | 湖南大学 电气与信息工程学院,湖南 长沙 410082,湖南大学 电气与信息工程学院,湖南 长沙 410082;智能电气量测与应用技术湖南省重点实验室,湖南 长沙 410004,湖南大学 电气与信息工程学院,湖南 长沙 410082;智能电气量测与应用技术湖南省重点实验室,湖南 长沙 410004;国网湖南省电力有限公司,湖南 长沙 410004 |
| |
| 基金项目： | 国家自然科学基金资助项目(51777061);长沙市重点研发计划项目(kq1901029);国家重点实验室开放基金研究项目(BGRIMM-KZSKL-2020-09) |
| |
| 摘 要： | 针对电能质量复合扰动识别中特征提取效率低、分类器识别能力与学习速度无法同步提高的问题,提出一种基于自适应窗不完全S变换与留一交叉验证优化的核极限学习机(LOO-KELM)算法的复合电能质量扰动识别方法。首先根据选定的主频率点自适应调节S变换窗宽系数,提取具有高时频分辨率的59种电能质量(PQ)特征,再通过留一交叉验证寻找最小预测残差平方和,实现核极限学习机的输出权重优化,最后根据提取PQ特征集与优化后的核极限学习机实现复合扰动的识别与分类。仿真和实测结果表明,所提方法对不同噪声下的16类混合电能质量扰动均具有较高的分类精度,相较于现有复合电能质量识别方法,分类精度更高且训练时间更短。
|
| 关 键 词： | 电能质量 复合扰动识别 自适应窗不完全S变换 核极限学习机 留一交叉验证 |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |
|
