基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

• 作者: 刘云峰 孔英会 安静 苑津莎 车辚辚
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 电能质量扰动 小波变换 数据挖掘 决策树 特征提取 去噪
• 年，卷（期）: 2007,（23）
• 所属期刊栏目: 电力系统
• 页码范围: 78-82
• 页数: 5页
• 分类号: TM711
• 字数: 3468字
• 语种: 中文

摘要

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance,PQD)识别方法.建立了正弦信号和6种常见PQD信号的数学模型,通过小波分解得到了上述信号的特征量,结合决策树方法实现了对PQD的自动分类,并通过合理选择小波类型、分类算法和去噪方法提高了PQD的分类精度.实验结果验证了该识别方法的准确性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑津莎	华北电力大学电气与电子工程学院	188	2334	27.0	40.0
2	孔英会	华北电力大学电气与电子工程学院	84	765	14.0	24.0
3	车辚辚	华北电力大学电气与电子工程学院	25	151	8.0	11.0
4	安静	华北电力大学电气与电子工程学院	2	39	2.0	2.0
5	刘云峰	华北电力大学电气与电子工程学院	6	82	5.0	6.0