基于小波变换和极限学习机的电能质量扰动分类 |
| |
引用本文: | 薛正爱,黄陈蓉,张建德,支昊,顾飞.基于小波变换和极限学习机的电能质量扰动分类[J].电工技术,2020(15):41-43. |
| |
作者姓名: | 薛正爱 黄陈蓉 张建德 支昊 顾飞 |
| |
作者单位: | 南京工程学院 |
| |
摘 要: | 利用小波变换(WT)和极值学习机(ELM)对电能质量事件(PQE)进行识别分类,利用离散小波变换(DWT)对信号进行多分辨率分析,获得PQ信号的特征能量系数,并在25、35、45dB噪声环境下,构造了3种PQ数据集。ELM是一种有效的广义单隐层前馈网络(SLFNs)学习算法,可用于识别各种多分类问题。对比试验与现有方法结果,证明基于小波变换的极限学习机能对8种扰动进行有效分类,具有鲁棒性强的识别结构,可用于实际电力系统信号分类。
|
关 键 词: | 小波变换 极限学习机 电能质量 多分类 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《电工技术》浏览原始摘要信息 |
|
点击此处可从《电工技术》下载全文 |
|