电能质量复合扰动分类方法研究

被引：10

作者：

管春 ^{[1
]}

何丰 ^{[1
]}

周冬生 ^{[1
]}

严少虎 ^{[2
]}

机构：

[1] 重庆邮电大学通信与信息工程学院

[2] 中国电子科技集团公司第二十九研究所

来源：

重庆邮电大学学报(自然科学版) | 2010年 / 05期

关键词：

电能质量; 模式识别; 多标签; 复合扰动; 支持向量机;

D O I：

暂无

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

083903 [网络与系统安全];

摘要：

针对样本同时属于多个类别(或标签)现象的电力系统电能质量复合扰动,提出采用多标签分类方法来解决其分类识别问题。引入了电能质量复合扰动以及多标签分类的概念,提出了多标签分类器的评判指标,采用3种典型多标签分类器对电能质量复合扰动进行分类识别。仿真实验结果表明,在不同噪声条件下,多标签分类方法可以有效分类识别由电压暂降、电压暂升、电压短时中断、脉冲暂态、谐波和闪变等电能质量单一扰动组合而成的复合扰动。

引用

页码：618 / 623

页数：6

共 7 条

[1]

基于小波变换能量分布和神经网络的电能质量扰动分类 [J].

秦英林 ;

田立军 ;

常学飞 .

电力自动化设备, 2009, 29 (07) :64-67

[2]

Words semantic orientation classification based on HowNet [J].

LI Dun MA Yongtao GUO Jianli School of Information Engineering Zhengzhou University Zhengzhou China School of Mechanical Engineering Zhengzhou University Zhengzhou China International College for Chinese Studies Nanjing Normal University Nanjing China .

TheJournalofChinaUniversitiesofPostsandTelecommunications, 2009, 16 (01) :106-110

[3]

小波变换在图像融合中的应用研究 [J].

郑继明 ;

耿金玲 .

重庆邮电大学学报(自然科学版), 2008, (05) :561-567

[4]

基于时域特征分析的电能质量扰动分类 [J].

唐轶 ;

刘昊 ;

方永丽 .

电力系统自动化, 2008, (17) :50-54

[5]

An effective wavelet-based feature extraction method for classification of power quality disturbance signals[J] Murat Uyar;Selcuk Yildirim;Muhsin Tunay Gencoglu Electric Power Systems Research 2008,

[6]

Multi-Label Classification: An Overview[J] Grigorios Tsoumakas;Ioannis Katakis International Journal of Data Warehousing and Mining (IJDWM) 2007,

[7]

M L-KNN : A lazy learning approach to multi-label learning[J] Min-Ling Zhang;Zhi-Hua Zhou Pattern Recognition 2007,

← 1 →