典型文献
基于改进经验小波变换和XGBoost的电能质量复合扰动分类
文献摘要：
针对电能质量复合扰动分类方法在分类数目和分类性能方面存在的不足,提出一种基于改进经验小波变换(MEWT)和极限梯度提升(XGBoost)的电能质量复合扰动分类方法.首先,对传统经验小波变换进行改进,使之适用于复合扰动特征提取;然后,根据基本扰动MEWT分析结果,从时频域多角度提取能够有效刻画不同扰动特性的特征序列;最后,基于问题转换策略构造以XGBoost为子分类器的多标签复合扰动分类模型,并通过特征选择与超参数优化相结合的模型训练方法进一步提升分类效果.实验结果表明,所提方法可实现48类扰动的有效辨识,较之传统多标签扰动分类方法在分类精度和噪声鲁棒性方面表现更优,且运算速度更快,适用于工程实践.
文献关键词：
电能质量复合扰动;经验小波变换;尺度空间表示;多标签分类;极限梯度提升
中图分类号：
作者姓名：
吴建章;梅飞;郑建勇;张宸宇;缪惠宇
作者机构：
东南大学电气工程学院 南京 210096;河海大学能源与电气学院 南京 211100;东南大学苏州研究院 苏州 215123;国网江苏省电力有限公司电力科学研究院 南京 211103
文献出处：
引用格式：
[1]吴建章;梅飞;郑建勇;张宸宇;缪惠宇-.基于改进经验小波变换和XGBoost的电能质量复合扰动分类)[J].电工技术学报,2022(01):232-243,253
A类：
MEWT
B类：
改进经验小波变换,XGBoost,电能质量复合扰动,扰动分类,分类方法,分类性能,极限梯度提升,传统经验,时频域,扰动特性,特征序列,问题转换,转换策略,分类器,分类模型,特征选择,超参数优化,模型训练,训练方法,分类效果,较之,分类精度,噪声鲁棒性,尺度空间表示,多标签分类
AB值：
0.257286
相似文献
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。
