基于多标签随机森林的电能质量复合扰动分类方法

• 作者: 刘恒 李晓明 瞿合祚 黄建明
• 来源期刊: 电力系统保护与控制
• 关键词: 电能质量 复合扰动 多标签分类 随机森林 决策树
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 理论分析
• 页码范围: 1-7
• 页数: 7页
• 字数: 5518字
• 语种: 中文
• DOI: 10.7667/PSPC160899

摘要

提出一种多标签随机森林(Multi-label Random Forest,ML-RF)分类算法,并将其应用于电能质量复合扰动分类.ML-RF是基于多标签决策树(Multi-label Decision Tree,ML-DT)的集成学习算法,利用子决策树的组合来增强分类器的整体性能.首先对电能质量扰动信号进行平稳小波变换,计算各层分解系数的小波能量熵作为分类特征向量.然后使用Bootstrap自助法和子空间采样构造不同的训练集训练子决策树.最后组合子决策树得到ML-RF分类器,并对复合电能质量扰动进行分类.仿真结果表明,在不同噪声情况下,该方法均能有效进行复合扰动的分类,具有较好的噪声鲁棒性,是复合电能质量扰动分类的一种可行方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓明	武汉大学电气工程学院	214	2030	22.0	32.0
2	黄建明	武汉大学电气工程学院	7	72	4.0	7.0
3	瞿合祚	武汉大学电气工程学院	8	68	5.0	8.0
4	刘恒		2	27	2.0	2.0