复杂噪声环境下电能质量复合扰动特征选择
为满足复杂噪声环境下海量电能质量信号高效分类需要,提出一种可应用于复杂噪声环境的电能质量信号特征选择新方法.首先,采用贝叶斯优化方法优化随机森林参数;之后,以具有随机噪声的原始特征向量训练随机森林分类器,训练过程中通过Gini重要度量化比较各特征分类效果;然后,采用序列前向搜索方法,以分类准确率为主要标准,兼顾特征维数,确定最优特征子集;最后,以最优特征子集建立随机森林分类器,识别15种电能质量信号.仿真对比实验证明,在信噪比30 dB以上噪声环境下,新方法分类准确率在99.33%以上,20 dB噪声环境下分类准确率为94.60%.此外,通过葡萄牙某配电网实测电能质量数据开展实验,证明了新方法在实际工业应用中的有效性.
电能质量、随机森林、S变换、Gini重要度、贝叶斯优化、序列前向搜索
39
TM71;TH183.3(输配电工程、电力网及电力系统)
国家自然科学基金51307020;吉林省重点科技攻关项目20160204004GX;吉林省科技发展计划项目20160411003XH;吉林省教育厅“十三五”科技项目JJKH20170219KJ
2019-05-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
82-90