本文關(guān)鍵詞：基于GA和ELM的電能質(zhì)量擾動識別特征選擇方法　出處：《電測與儀表》2016年23期 　論文類型：期刊論文

  更多相關(guān)文章： 電能質(zhì)量 暫態(tài)擾動 S變換 遺傳算法 極限學習機

【摘要】：電力系統(tǒng)中海量暫態(tài)擾動的分析與治理需要以高效準確的擾動分類為基礎�，F(xiàn)有擾動識別方法缺少合理的特征選擇環(huán)節(jié),分類器過于復雜,不能滿足高效分類的需要。提出一種新的電能質(zhì)量擾動特征選擇方法。首先,對原始信號使用S變換進行預處理,提取具有代表性的25種擾動信號特征構(gòu)建原始特征集合;然后,根據(jù)極限學習機識別準確率構(gòu)造用于擾動特征選擇的遺傳算法適應度函數(shù);最后,用遺傳算法來進行迭代運算,確定最優(yōu)特征集合。實驗證明,新方法能夠有效去除冗余特征,在保證分類準確率前提下,有效降低分類器復雜度,提高分類效率。
[Abstract]:Analysis and treatment of massive transient disturbance in power system need to efficiently and accurately based on the disturbance classification. The existing disturbance identification method lacks the reasonable link feature selection, classifier is too complex, can not meet the needs of efficient classification. Put forward a new kind of power quality disturbance feature selection method. Firstly, the original signal using S transform pretreatment, extraction of 25 kinds of disturbance signal characteristics of the construction of original feature set representative; then, the fitness function of genetic algorithm based on extreme learning machine recognition accuracy for structural disturbance feature selection; finally, using genetic algorithm for iterative algorithm to determine the optimal feature set. The experimental results show that the new method can effectively remove redundant the characteristics, in ensuring the classification accuracy under the premise, effectively reduce the classifier complexity, improve the efficiency of classification.

【作者單位】： 東北電力大學電氣工程學院;山東電力公司德州供電公司;河北電力公司滄州供電公司;
【基金】：國家自然科學基金資助項目(51307020) 吉林省科技發(fā)展計劃項目(20150520114JH) 吉林市科技發(fā)展計劃資助項目(201464052)
【分類號】：TM711
【正文快照】： 0引言近年來隨著電力電子設備的普及應用,電能質(zhì)量問題日益嚴重[1]。電能質(zhì)量分析的基礎和前提是對電能質(zhì)量暫態(tài)擾動信號進行分類[2-4]。現(xiàn)有研究通過不同的信號處理方法,從擾動信號中提取大量特征用于擾動識別。雖然獲得了較好的分類效果,但較少考慮特征的冗余問題,而過多的

【參考文獻】

相關(guān)期刊論文 前4條

1 黃南天;張衛(wèi)輝;蔡國偉;徐殿國;李巖;;采用改進多分辨率快速S變換的電能質(zhì)量擾動識別[J];電網(wǎng)技術(shù);2015年05期

2 張紅;雷志國;金月;譚萬禹;;基于SVM的電能質(zhì)量擾動分類[J];電測與儀表;2014年23期

3 苑津莎;張利偉;王瑜;尚海昆;;基于極限學習機的變壓器故障診斷方法研究[J];電測與儀表;2013年12期

4 徐方維;楊洪耕;葉茂清;劉亞梅;惠錦;;基于改進S變換的電能質(zhì)量擾動分類[J];中國電機工程學報;2012年04期

【共引文獻】

相關(guān)期刊論文 前10條

1 何巨龍;王根平;劉丹;唐友明;;配電系統(tǒng)諧波擾動的定位與識別研究[J];電氣技術(shù);2016年12期

2 于志勇;張衛(wèi)輝;王新庫;黃南天;黃喜旺;;基于GA和ELM的電能質(zhì)量擾動識別特征選擇方法[J];電測與儀表;2016年23期

3 田衛(wèi)華;龐新富;孟祥斌;于宏濤;孫秋野;;基于離散小波變換和小波神經(jīng)網(wǎng)絡的電能質(zhì)量擾動檢測與分類方法[J];電氣應用;2016年23期

4 張衛(wèi)輝;黃南天;楊金成;楊永建;王新庫;;基于廣義S變換和DE-ELM的電能質(zhì)量擾動信號分類[J];電測與儀表;2016年20期

5 黃建明;瞿合祚;李曉明;;基于短時傅里葉變換及其譜峭度的電能質(zhì)量混合擾動分類[J];電網(wǎng)技術(shù);2016年10期

6 馬燕琪;馬建;;基于PSO-SVM的電能質(zhì)量復合擾動分類識別方法[J];江西電力;2016年08期

7 黃飛騰;南余榮;翁國慶;張有兵;王強;;計及監(jiān)測可信度的擾動源定位粒子群算法[J];電工技術(shù)學報;2016年16期

8 公茂法;柳巖妮;王來河;宋保業(yè);鐘文強;;基于混沌優(yōu)化粒子群BP神經(jīng)網(wǎng)絡的電力變壓器故障診斷[J];電測與儀表;2016年15期

9 覃星福;龔仁喜;;基于廣義S變換與PSO-PNN的電能質(zhì)量擾動識別[J];電力系統(tǒng)保護與控制;2016年15期

10 黃南天;盧國波;王玉強;趙振峰;李旭;張衛(wèi)輝;;基于粒子群與極限學習機的電能質(zhì)量信號特征選擇與識別[J];電工電能新技術(shù);2016年07期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 張巧革;劉志剛;朱玲;張楊;;基于多標簽Rank-WSVM的復合電能質(zhì)量擾動分類[J];中國電機工程學報;2013年28期

2 張志禹;滿蔚仕;郗壘;黃璐瑤;;快速S變換在電能質(zhì)量分析中的應用[J];電網(wǎng)技術(shù);2013年05期

3 陳華豐;張葛祥;;基于決策樹和支持向量機的電能質(zhì)量擾動識別[J];電網(wǎng)技術(shù);2013年05期

4 尹立敏;張東建;陶玉忠;;基于數(shù)學形態(tài)學的電暈日盲紫外圖象處理方法研究[J];東北電力大學學報;2013年Z1期

5 尹金良;朱永利;俞國勤;邵宇鷹;關(guān)宏;;基于高斯過程分類器的變壓器故障診斷[J];電工技術(shù)學報;2013年01期

6 張楊;劉志剛;;一種基于時頻域多特征量的電能質(zhì)量混合擾動分類新方法[J];中國電機工程學報;2012年34期

7 王曦;畢貴紅;祖哲;;基于遞歸特性分析和BP神經(jīng)網(wǎng)絡的電能質(zhì)量擾動識別與定位(英文)[J];電網(wǎng)技術(shù);2012年08期

8 尹金良;朱永利;;支持向量機參數(shù)優(yōu)化及其在變壓器故障診斷中的應用[J];電測與儀表;2012年05期

9 姚建剛;郭知非;陳錦攀;;基于小波和BP神經(jīng)網(wǎng)絡的電能擾動分類新方法[J];電網(wǎng)技術(shù);2012年05期

10 徐方維;楊洪耕;葉茂清;劉亞梅;惠錦;;基于改進S變換的電能質(zhì)量擾動分類[J];中國電機工程學報;2012年04期

【相似文獻】

相關(guān)期刊論文 前10條

1 劉守亮,肖先勇;基于S變換的短時電能質(zhì)量擾動檢測與分類[J];四川電力技術(shù);2005年S1期

2 羅滇生;何洪英;姚建剛;;短時電能質(zhì)量擾動分類方法研究[J];計算機工程與應用;2008年17期

3 唐軼;劉昊;方永麗;;基于時域特征分析的電能質(zhì)量擾動分類[J];電力系統(tǒng)自動化;2008年17期

4 黃南天;徐殿國;劉曉勝;;基于改進多層前饋神經(jīng)網(wǎng)絡的電能質(zhì)量擾動分類[J];電子測量與儀器學報;2009年10期

5 賴曉君;孫洪成;;一種新的電能質(zhì)量擾動分類識別算法[J];電氣開關(guān);2011年02期

6 陳祥訓;采用小波技術(shù)的幾種電能質(zhì)量擾動的測量與分類方法[J];中國電機工程學報;2002年10期

7 薛蕙,楊仁剛;基于小波包除噪的電能質(zhì)量擾動檢測方法[J];中國電機工程學報;2004年03期

8 束洪春,王晶,陳學允;動態(tài)電能質(zhì)量擾動的多刻度形態(tài)學分析[J];中國電機工程學報;2004年04期

9 呂干云,丁屹峰,程浩忠;一種基于改進鎖相環(huán)系統(tǒng)的電能質(zhì)量擾動檢測方法[J];電力系統(tǒng)及其自動化學報;2004年05期

10 潘洪湘,宗偉,劉連光;基于數(shù)字信號處理器的短時電能質(zhì)量擾動檢測算法[J];電網(wǎng)技術(shù);2004年20期

相關(guān)會議論文 前7條

1 曹立中;吳杰;蘇春苑;;基于多方法的電能質(zhì)量擾動研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（下冊）[C];2008年

2 劉林;林濤;;基于連續(xù)小波變換和專家系統(tǒng)的電能質(zhì)量擾動識別研究[A];中南七�。▍^(qū)）電力系統(tǒng)專業(yè)委員會第二十二屆聯(lián)合學術(shù)年會論文集[C];2007年

3 張東中;袁帥;佟為明;;基于復小波和神經(jīng)網(wǎng)絡的電能質(zhì)量擾動識別與分類[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

4 陳春玲;許童羽;袁野;;基于多類分類SVM的電能質(zhì)量擾動識別[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

5 耿云玲;王群;何怡剛;;典型電能質(zhì)量擾動信號的小波檢測[A];2004全國測控、計量與儀器儀表學術(shù)年會論文集（上冊）[C];2004年

6 方群會;;基于LS_SVM的暫態(tài)電能質(zhì)量擾動分類[A];重慶市電機工程學會2010年學術(shù)會議論文集[C];2010年

7 張宇;李海維;;小波理論和網(wǎng)格分形在電能質(zhì)量擾動檢測中的應用[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（下冊）[C];2008年

相關(guān)博士學位論文 前10條

1 宋雪雷;基于小波變換和支持向量機的電能質(zhì)量擾動分析方法[D];哈爾濱工業(yè)大學;2007年

2 陳春玲;電能質(zhì)量擾動分析與監(jiān)測研究[D];沈陽農(nóng)業(yè)大學;2009年

3 舒泓;電能質(zhì)量擾動檢測和分類問題的研究[D];北京交通大學;2009年

4 胡為兵;電能質(zhì)量擾動的自動識別和定位相關(guān)理論研究[D];華中科技大學;2008年

5 秦英林;電能質(zhì)量擾動的自動識別和時刻定位研究[D];山東大學;2010年

6 易吉良;基于S變換的電能質(zhì)量擾動分析[D];湖南大學;2010年

7 張明;電能質(zhì)量擾動相關(guān)問題研究[D];華中科技大學;2010年

8 黃文清;電能質(zhì)量擾動在線監(jiān)測方法研究[D];湖南大學;2007年

9 單任仲;并聯(lián)型復合電能質(zhì)量擾動及補償?shù)目刂品椒ㄅc實現(xiàn)[D];華北電力大學（北京）;2010年

10 劉應梅;電能質(zhì)量擾動檢測和分析的研究[D];中國電力科學研究院;2003年

相關(guān)碩士學位論文 前10條

1 潘冬寅;電能質(zhì)量擾動信號降維及分類研究[D];南京林業(yè)大學;2012年

2 郝婉茹;基于原子分解快速算法的電能質(zhì)量擾動檢測與分類研究[D];燕山大學;2015年

3 鄧為權(quán);基于EEMD和SVM的電能質(zhì)量擾動檢測與分析研究[D];昆明理工大學;2015年

4 胡巧琳;風電并網(wǎng)的電能質(zhì)量擾動檢測方法研究[D];西南交通大學;2015年

5 朱玲;混合電能質(zhì)量擾動的檢測與分類[D];西南交通大學;2015年

6 薛文婷;暫態(tài)電能質(zhì)量擾動檢測分析與評估的研究[D];華北電力大學;2015年

7 韓剛;電能質(zhì)量擾動檢測與分類識別方法研究[D];中國礦業(yè)大學;2015年

8 章俊;電能質(zhì)量擾動信號的檢測與識別[D];南昌大學;2015年

9 張語R，

本文編號：1357077