基于GA和ELM的电能质量扰动识别特征选择方法

发布时间：2017-12-30 23:41

本文关键词：基于GA和ELM的电能质量扰动识别特征选择方法　出处：《电测与仪表》2016年23期 　论文类型：期刊论文

【摘要】：电力系统中海量暂态扰动的分析与治理需要以高效准确的扰动分类为基础。现有扰动识别方法缺少合理的特征选择环节,分类器过于复杂,不能满足高效分类的需要。提出一种新的电能质量扰动特征选择方法。首先,对原始信号使用S变换进行预处理,提取具有代表性的25种扰动信号特征构建原始特征集合;然后,根据极限学习机识别准确率构造用于扰动特征选择的遗传算法适应度函数;最后,用遗传算法来进行迭代运算,确定最优特征集合。实验证明,新方法能够有效去除冗余特征,在保证分类准确率前提下,有效降低分类器复杂度,提高分类效率。
[Abstract]:Analysis and treatment of massive transient disturbance in power system need to efficiently and accurately based on the disturbance classification. The existing disturbance identification method lacks the reasonable link feature selection, classifier is too complex, can not meet the needs of efficient classification. Put forward a new kind of power quality disturbance feature selection method. Firstly, the original signal using S transform pretreatment, extraction of 25 kinds of disturbance signal characteristics of the construction of original feature set representative; then, the fitness function of genetic algorithm based on extreme learning machine recognition accuracy for structural disturbance feature selection; finally, using genetic algorithm for iterative algorithm to determine the optimal feature set. The experimental results show that the new method can effectively remove redundant the characteristics, in ensuring the classification accuracy under the premise, effectively reduce the classifier complexity, improve the efficiency of classification.

【作者单位】：东北电力大学电气工程学院;山东电力公司德州供电公司;河北电力公司沧州供电公司;
【基金】：国家自然科学基金资助项目(51307020) 吉林省科技发展计划项目(20150520114JH) 吉林市科技发展计划资助项目(201464052)
【分类号】：TM711
【正文快照】： 0引言近年来随着电力电子设备的普及应用,电能质量问题日益严重[1]。电能质量分析的基础和前提是对电能质量暂态扰动信号进行分类[2-4]。现有研究通过不同的信号处理方法,从扰动信号中提取大量特征用于扰动识别。虽然获得了较好的分类效果,但较少考虑特征的冗余问题,而过多的

【参考文献】