期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
被引量：
20
1
作者
李长松
刘凯
+1 位作者
肖先勇
金耘岭
《高电压技术》
EI
CAS
CSCD
北大核心
2019年第2期579-585,共7页
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...
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。
展开更多
关键词
电能质量
复合扰动分类
特征选择
条件互信息
ADABOOST算法
在线阅读
下载PDF
职称材料
基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类
被引量：
37
2
作者
杨晓梅
郭林明
+1 位作者
肖先勇
张家宁
《电网技术》
EI
CSCD
北大核心
2020年第8期3014-3020,共7页
针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛...
针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛选方法选取最优子带并提取时域和频域特征;然后基于随机森林算法计算特征重要性,通过序列前向选择法去掉不相关特征和冗余特征,得到对应每种扰动标签的最优特征集;最后训练生成随机森林多标签分类模型,根据输出标签的组合得到扰动类别。仿真数据实验表明,该方法能够准确高效识别23类扰动,且抗噪能力强,提高了含暂降、含中断的复合扰动的分类准确率。并以实测数据实验证明了方法的可行性。
展开更多
关键词
电能质量
复合扰动分类
可调品质因子小波变换
特征选择
随机森林
在线阅读
下载PDF
职称材料
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
被引量：
2
3
作者
丁皓月
吕干云
+3 位作者
史明明
费骏韬
俞明
吴启宇
《电力工程技术》
北大核心
2024年第3期99-110,共12页
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要...
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。
展开更多
关键词
电能质量
复合扰动分类
堆叠稀疏自编码器(SSAE)
深度特征提取
缩放共轭梯度(SCG)
前馈神经网络(FFNN)
在线阅读
下载PDF
职称材料
题名
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
被引量：
20
1
作者
李长松
刘凯
肖先勇
金耘岭
机构
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
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2019年第2期579-585,共7页
文摘
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。
关键词
电能质量
复合扰动分类
特征选择
条件互信息
ADABOOST算法
Keywords
power quality
classification of multiple disturbances
feature selection
conditional mutual information
Adaboost classifier
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TM711 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类
被引量：
37
2
作者
杨晓梅
郭林明
肖先勇
张家宁
机构
四川大学电气工程学院
出处
《电网技术》
EI
CSCD
北大核心
2020年第8期3014-3020,共7页
文摘
针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛选方法选取最优子带并提取时域和频域特征;然后基于随机森林算法计算特征重要性,通过序列前向选择法去掉不相关特征和冗余特征,得到对应每种扰动标签的最优特征集;最后训练生成随机森林多标签分类模型,根据输出标签的组合得到扰动类别。仿真数据实验表明,该方法能够准确高效识别23类扰动,且抗噪能力强,提高了含暂降、含中断的复合扰动的分类准确率。并以实测数据实验证明了方法的可行性。
关键词
电能质量
复合扰动分类
可调品质因子小波变换
特征选择
随机森林
Keywords
power quality
classification of multiple disturbances
tunable Q-factor wavelet transform
feature selection
random forest
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
被引量：
2
3
作者
丁皓月
吕干云
史明明
费骏韬
俞明
吴启宇
机构
南京工程学院电力工程学院
国网江苏省电力有限公司电力科学研究院
国网江苏省电力有限公司南京市溧水区供电分公司
出处
《电力工程技术》
北大核心
2024年第3期99-110,共12页
基金
江苏省高等学校自然科学研究重大项目“含高渗透率分布电源配电网电压暂降鲁棒状态估计及应用”(19KJA510012)
江苏省南京工程学院校基金(YKJ202209)资助。
文摘
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。
关键词
电能质量
复合扰动分类
堆叠稀疏自编码器(SSAE)
深度特征提取
缩放共轭梯度(SCG)
前馈神经网络(FFNN)
Keywords
power quality
composite disturbance classification
stacked sparse auto encoder(SSAE)
deep feature extraction
scaled conjugate gradient(SCG)
feedforward neural network(FFNN)
分类号
TM732 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
李长松
刘凯
肖先勇
金耘岭
《高电压技术》
EI
CAS
CSCD
北大核心
2019
20
在线阅读
下载PDF
职称材料
2
基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类
杨晓梅
郭林明
肖先勇
张家宁
《电网技术》
EI
CSCD
北大核心
2020
37
在线阅读
下载PDF
职称材料
3
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
丁皓月
吕干云
史明明
费骏韬
俞明
吴启宇
《电力工程技术》
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
