基于分段改进S变换和随机森林的复合电能质量扰动识别方法

• 作者: 张赟宁 汪宏阳 王仁明 王凌云
• 来源期刊: 电力系统保护与控制
• 关键词: 电能质量 扰动分类 分段改进S变换 Gini指数下降 随机森林
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论分析
• 页码范围: 19-28
• 页数: 10页
• 字数: 8463字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190569

摘要

各类分布式设备和智能设备接入电力系统,使得电力系统对电能的波动越来越敏感,这导致对电能质量扰动(PQD)的识别和处理变得越来越重要.通过将分段改进S变换(SMST)和随机森林(RF)算法相结合,提出了一种用于复杂噪声环境下PQD识别的新方法.首先,基于检测误差和峰度对SMST的不同频段进行分别调参,并使用SMST提取待检测信号的75种时频特征,构成原始特征集.然后,改进分类回归树(CART)的节点分裂过程,加入了离散值处理策略并使用Gini指数的下降作为新的节点分裂规则.同时,在下次节点分裂前,将基尼指数下降值为零的特征从特征集中删除.最后,使用改进的CART算法构建了RF分类器并对复合PQD信号进行分类.实验证明,在不同的信噪比条件下,新方法均能有效识别多数单一PQD信号和常见的双重复合PQD信号.虽然新方法在运行效率方面仍有一定的改进空间,但其在不同层面上的改进均能有效提升PQD识别精度,且平均分类精度明显高于各类传统PQD识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王仁明	三峡大学电气与新能源学院	41	149	7.0	10.0
2	王凌云	三峡大学电气与新能源学院	37	78	5.0	7.0
3	张赟宁	三峡大学电气与新能源学院	22	3	1.0	1.0
4	汪宏阳	三峡大学电气与新能源学院	2	1	1.0	1.0