基于Hoeffding Tree的电能质量在线扰动分类

• 作者: 丁建光 张沛超
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 电能质量 扰动 小波变换 自适应滑动数据窗 数据挖掘 Hoeffding Tree 噪声 数据流
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 分析与研究
• 页码范围: 84-89
• 页数: 6页
• 分类号: TM77
• 字数: 5404字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6047.2014.09.014

摘要

为满足电能质量扰动事件的在线分类需求,提出了一种基于Hoeffding Tree的电能质量扰动在线分类方法.对电能质量在线扰动分类中的关键技术进行了研究,提出用小波变换和离散傅里叶变换相结合的判别方法检测电能质量扰动,该算法采用自适应滑动数据窗算法,能够根据扰动持续时间提取完整的扰动事件.以小波信号能量以及基波有效值构成特征向量,利用Hoeffding Tree算法构建增量式分类训练模型.仿真结果表明,所提方法的准确度和效率均满足电能质量扰动事件在线检测和分类的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张沛超	上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室	86	2863	25.0	52.0
2	丁建光	上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室	1	7	1.0	1.0