文献类型：期刊文章

作　　者：靳果[1] 朱清智[1] 孟阳[2] 闫奇[3]

JIN Guo;ZHU Qingzhi;MENG Yang;YAN Qi(Henan Polytechnic Institute,Nanyang 473000,China;Xi’an Jiaotong University,Xi’an 710000,China;State Grid Nanyang Power Supply Company,Nanyang 473000,China)

机构地区：[1]河南工业职业技术学院,河南南阳473000 [2]西安交通大学,陕西西安710000 [3]国网南阳供电公司,河南南阳473000

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51275084);河南省2020年度科技攻关计划项目资助(202102210134)。

年　　份：2020

卷　　号：48

期　　号：8

起止页码：96-105

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、JST、PROQUEST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：电力系统中电能质量扰动分类特征选择标准不统一、泛化能力差、分类效果与分类效率有待提高。为了解决这些问题,一方面,引入多层极限学习机自编码器,优化输入权重,完成电能质量扰动信号的特征提取。另一方面,引入多标签排位分类算法,充分考虑各标签之间的相关性,完成电能质量扰动的分类。基于两种算法,设计出基于多层极限学习机的多标签分类模型,并得到多层极限学习机的最优网络结构和多标签分类的最佳分类阈值。实验结果表明,所提方法适用于电能质量单一扰动和复合扰动的分类,改善了分类效果和分类效率,具有较高的分类精度、良好的抗噪能力和泛化能力。

关 键 词：电能质量 扰动分类  多层极限学习机  多标签分类  

分 类 号：TP181] TM711]