文献类型：期刊文章

作　　者：瞿合祚[1] 刘恒[2] 李晓明[1] 黄建明[1]

QU Hezuo LIU Heng LI Xiaoming HUANG Jianming(School of Electrical Engineering, Wuhan University, Wuhan 430072, China State Grid Hubei Xiaogan Power Supply Company,Xiaogan 432000,China)

机构地区：[1]武汉大学电气工程学院,湖北武汉430072 [2]国网湖北省电力公司孝感供电公司,湖北孝感432000

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(51277134)~~

年　　份：2017

卷　　号：37

期　　号：3

起止页码：146-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171703605336)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对电能质量扰动分类中冗余特征量造成分类器训练困难、分类准确率下降的问题,提出一种基于改进遗传算法的特征组合优化方法。该方法对信号进行小波变换,提取各层的改进小波能量熵作为原始特征,并构造一种基于欧氏距离的适应度函数,采用改进的自适应遗传算法对原始特征进行筛选和优化组合,形成用于电能质量扰动分类的最优特征组合。分别采用二分类-支持向量机法(Binary-SVM)、多标签径向基神经网络(ML-RBF)和多标签K近邻法(ML-KNN)对不同噪声情况下的电能质量单一扰动和混合扰动进行分类,仿真结果验证了所提特征组合优化方法能有效提高分类器的训练速度和分类准确率。

关 键 词：电能质量 小波变换 遗传算法 特征组合  多标签分类  分类器

分 类 号：TM761]