基于 GA 和 ELM 的电能质量扰动识别特征选择方法

• 作者: 于志勇 张卫辉 王新库 黄南天 黄喜旺
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电能质量 暂态扰动 S变换 遗传算法 极限学习机
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 测量与控制技术
• 页码范围: 62-66
• 页数: 5页
• 分类号: TM769
• 字数: 3394字
• 语种: 中文

摘要

电力系统中海量暂态扰动的分析与治理需要以高效准确的扰动分类为基础。现有扰动识别方法缺少合理的特征选择环节，分类器过于复杂，不能满足高效分类的需要。提出一种新的电能质量扰动特征选择方法。首先，对原始信号使用S变换进行预处理，提取具有代表性的25种扰动信号特征构建原始特征集合；然后，根据极限学习机识别准确率构造用于扰动特征选择的遗传算法适应度函数；最后，用遗传算法来进行迭代运算，确定最优特征集合。实验证明，新方法能够有效去除冗余特征，在保证分类准确率前提下，有效降低分类器复杂度，提高分类效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄南天	东北电力大学电气工程学院	24	218	8.0	14.0
2	张卫辉	东北电力大学电气工程学院	5	64	4.0	5.0
3	王新库		3	22	3.0	3.0
4	于志勇	东北电力大学电气工程学院	1	6	1.0	1.0
5	黄喜旺		1	6	1.0	1.0