典型文献
基于多粒度特征选择和模型融合的复合电能质量扰动分类特征优化
文献摘要：
现代电力系统因其"双高"特性造成电能质量扰动模式愈加复杂,对复合扰动的准确分类提出了挑战.传统电能质量扰动分类方法在特征提取阶段所提取的特征由人为确定,难以判断所提取的特征对分类问题是否有效,加之多重复合扰动特征相互耦合导致扰动特征的可分性确定困难.为此,提出一种基于粒度的计算方法进行特征选择的模型.在提取的扰动特征集的基础上,通过构建多粒度空间反映特征分布差异性,进而挖掘各粒度下的最优特征子集以确定有效和冗余的分类特征,达到优化分类效果的目的.在此基础上,通过集成分类模型融合不同粒度空间最优扰动特征集所训练的同质弱分类器模型,提出一种新的电能质量扰动多粒度集成分类方法.该方法克服了现有方法在进行多粒度分类时通过寻找最优单粒度空间特征而导致的其他粒度空间信息丢失的问题.实验表明,多粒度特征选择算法可提取对分类有效的扰动特征,集成分类模型可进一步改善模型的分类性能.
文献关键词：
电能质量;复合扰动;特征选择;多粒度空间;集成分类
中图分类号：
作者姓名：
阮梓航;肖先勇;胡文曦;郑子萱;汪颖
作者机构：
四川大学电气工程学院,四川成都610065
文献出处：
引用格式：
[1]阮梓航;肖先勇;胡文曦;郑子萱;汪颖-.基于多粒度特征选择和模型融合的复合电能质量扰动分类特征优化)[J].电力系统保护与控制,2022(14):1-10
A类：
B类：
多粒度特征,模型融合,复合电能质量,电能质量扰动分类,分类特征,特征优化,现代电力系统,双高,复合扰动,分类方法,分类问题,互耦,可分性,征集,多粒度空间,特征分布,分布差异,各粒,优特,特征子集,分类效果,集成分类,分类模型,不同粒度,最优扰动,质弱,弱分类器,空间特征,空间信息,信息丢失,特征选择算法,分类性能
AB值：
0.284021
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。
