公开(公告)号：CN116541686B

公开(公告)日：2024-03-15

申请号：CN202211359178.6

申请日：2022-11-01

Applicant: 河海大学

Inventor： 任祖华 ,  王冰 ,  叶彦斐

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0499

Abstract: 本发明公开了一种基于多域特征融合极限学习机的电能质量扰动分类方法，该方法首先对采集的电能质量扰动数据进行预处理，采用基于RMS时域和小波变换域的多域并行特征提取方法得到扰动信号的原始特征集；其次对原始特征集进行基于互信息和Fisher Score的二维度量，以两者之积作为特征选择的综合指标，优选出高效特征子集；然后构建极限学习机分类器模型；最后将待分类样本的高效特征子集输入给训练好的ELM模型，输出识别结果。本发明通过多域并行特征提取增强特征集的多样性和完备性，通过特征优选策略减小特征间的交叉冗余，试验表明该方法能有效提高多种单一及复合电能质量扰动分类精度，提升扰动识别效率。

公开(公告)号：CN116541686A

公开(公告)日：2023-08-04

申请号：CN202211359178.6

申请日：2022-11-01

Applicant: 河海大学

Inventor： 任祖华 ,  王冰 ,  叶彦斐

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0499

Abstract: 本发明公开了一种基于多域特征融合极限学习机的电能质量扰动分类方法，该方法首先对采集的电能质量扰动数据进行预处理，采用基于RMS时域和小波变换域的多域并行特征提取方法得到扰动信号的原始特征集；其次对原始特征集进行基于互信息和Fisher Score的二维度量，以两者之积作为特征选择的综合指标，优选出高效特征子集；然后构建极限学习机分类器模型；最后将待分类样本的高效特征子集输入给训练好的ELM模型，输出识别结果。本发明通过多域并行特征提取增强特征集的多样性和完备性，通过特征优选策略减小特征间的交叉冗余，试验表明该方法能有效提高多种单一及复合电能质量扰动分类精度，提升扰动识别效率。