基于条件互信息特征选择法和Adaboost算法的电能质量复合扰动分类

论文摘要

为准备识别复杂电能质量扰动类型,提出一种基于条件互信息平均最优化（avg-CMIM）特征选择法与Adaboost动态集成分类器的电能质量复合扰动分类策略。首先基于条件互信息,提出准确衡量特征与扰动类别相关性、特征集内部目标导向冗余性的评价准则,得到不同扰动标签相匹配的最优分类特征集。再利用Adaboost分类器进行动态增强学习,对未知样本进行标签识别,通过组合标签结果确定复合扰动的组成成分,实现电能质量复合扰动的识别。仿真结果表明,在不同程度噪音下,该方法能够高效准确地识别电压暂升、电压暂降、电压短时中断、谐波、脉冲暂态和振荡暂态等单一扰动和其组合成的复合扰动,并通过实测数据验证了方法的正确性和可行性。

论文目录

• 0 引言
• 1 初始特征集的构造
• 2 基于avg-CMIM法的最优分类特征集选取
•   2.1 互信息概念
•   2.2 avg-CMIM特征选择法
• 3 基于Adaboost算法的扰动分类
• 4 基于avg-CMIM和Adaboost的电能质量复合扰动分类模型
• 5 实验分析
•   5.1 仿真实验分析
•   5.2 实测数据分析
• 6 结论

文章来源

类型: 期刊论文

作者: 李长松,刘凯,肖先勇,金耘岭

关键词: 电能质量,复合扰动分类,特征选择,条件互信息,算法

来源: 高电压技术 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 四川大学电气信息学院,南京灿能电力自动化股份有限公司

分类号: TP18;TM711

DOI: 10.13336/j.1003-6520.hve.20190130031

页码: 579-585

总页数: 7

文件大小: 1136K

下载量: 433