基于小波变换样本熵和深度核极限学习机的电压暂降源辨识

摘要：

电压暂降源的准确辨识是电压暂降治理决策和责任划分的基础.本文针对电压暂降源辨识困难问题,以信号处理和机器学习为基础,提出了 一种基于小波变换样本熵和深度核极限学习机的电压暂降源辨识方法.利用小波变换对电压暂降信号进行分解,并计算分解后的小波系数的样本熵,以构成特征向量.基于极限学习机和自编码器理论并引入核函数构建深度核极限学习机模型,并将特征向量作为模型输入,通过多次训练和参数调试,获得最优参数.利用训练好的模型对输入数据进行辨识,以实现电压暂降源的辨识.结果表明,所提方法的准确率高、抗噪声性能好.

关键词：电压暂降源、小波变换、样本熵、深度核极限学习机、性能评价指标

所属期刊栏目：38

分类号：TM711(输配电工程、电力网及电力系统)

资助基金：四川省科技计划资助项目2018GZDZX0044

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：142-150