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]

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

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目(51277134)~~

年　　份：2017

卷　　号：45

期　　号：11

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：提出一种多标签随机森林(Multi-label Random Forest,ML-RF)分类算法,并将其应用于电能质量复合扰动分类。ML-RF是基于多标签决策树(Multi-label Decision Tree,ML-DT)的集成学习算法,利用子决策树的组合来增强分类器的整体性能。首先对电能质量扰动信号进行平稳小波变换,计算各层分解系数的小波能量熵作为分类特征向量。然后使用Bootstrap自助法和子空间采样构造不同的训练集训练子决策树。最后组合子决策树得到ML-RF分类器,并对复合电能质量扰动进行分类。仿真结果表明,在不同噪声情况下,该方法均能有效进行复合扰动的分类,具有较好的噪声鲁棒性,是复合电能质量扰动分类的一种可行方法。

关 键 词：电能质量 复合扰动  多标签分类  随机森林  决策树

分 类 号：TM711]