典型文献
基于WT和LDC综合算法的电能质量扰动源辨识方法
文献摘要：
提出一种基于小波变换(wavelet transform,WT)与局部密度聚类(local density clustering,LDC)算法的电能质量扰动源辨识方法.通过小波变换提取电能质量扰动特征量,采用多级局部密度聚类搭建分类模型进行电能质量扰动源分类辨识.首先对电能质量扰动的时序信号进行小波分解,将其分解为低频与高频信号;接着结合各个信号在小波能量谱上的差异度来提取电能质量扰动特征量;然后将其作为样本进行LDC聚类分析,搭建电能质量扰动分类模型;最后采用搭建的分类模型进行电能质量扰动源分类辨识.在算例实验中,选用8种常见的电能质量扰动以及对应2种复合扰动源进行分类检验,该方法对上述电能质量问题能进行有效分类,且多级LDC具有较低的运算复杂度和较高的辨识度.
文献关键词：
小波变换;电能质量特征量;电能质量扰动分类;局部密度聚类;分类模型
中图分类号：
作者姓名：
罗伟明;吴杰康;方梓康;谢明钊;陈盛语;王瑞东;蔡志宏;刘国新
作者机构：
广东工业大学自动化学院,广东广州510006
文献出处：
引用格式：
[1]罗伟明;吴杰康;方梓康;谢明钊;陈盛语;王瑞东;蔡志宏;刘国新-.基于WT和LDC综合算法的电能质量扰动源辨识方法)[J].供用电,2022(10):58-65,83
A类：
局部密度聚类,电能质量特征量
B类：
WT,LDC,合算,辨识方法,于小波,小波变换,wavelet,transform,local,density,clustering,分类模型,源分类,时序信号,小波分解,高频信号,小波能量谱,差异度,电能质量扰动分类,复合扰动,运算复杂度,辨识度
AB值：
0.180323
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
