基于多标签RBF神经网络的电能质量复合扰动分类方法

被引：23

作者：

管春 ^{[1
,2
]}

周雒维 ^{[1
]}

卢伟国 ^{[1
]}

机构：

[1] 重庆大学输配电装备及系统安全与新技术国家重点实验室

[2] 重庆邮电大学通信与信息工程学院

来源：

电工技术学报 | 2011年 / 26卷 / 08期

关键词：

电能质量; 多标签分类; 径向基函数; 小波变换; C-均值聚类;

D O I：

10.19595/j.cnki.1000-6753.tces.2011.08.029

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

080802 ;

摘要：

在径向基(RBF)神经网络和C-均值聚类算法的基础上,提出一种适用于电能质量复合扰动分类的多标签排位分类算法—多标签径向基函数法(ML-RBF)。首先,对常见的电能质量扰动及其组合而成的复合扰动进行离散小波分解,提取各层分解系数的规范能量熵作为特征向量;然后采用C-均值聚类算法将所得的特征向量映射为RBF神经网络的输入;最后通过RBF神经网络对该电能质量复合扰动类型进行预测。仿真实验结果表明,在不同的噪声条件下,ML-RBF可以有效分类识别电能质量复合扰动。

引用

页码：198 / 204

页数：7

共 9 条

[1] 基于改进小波能熵和支持向量机的短时电能质量扰动识别 [J].