-
-
公开(公告)号:CN112036318B
公开(公告)日:2023-10-20
申请号:CN202010900765.6
申请日:2020-09-01
Applicant: 海南电网有限责任公司电力科学研究院
IPC: G06F18/213 , G06F18/214 , G06F18/2411 , G06N20/00
Abstract: 本发明提供一种电压暂降源同质辨识方法,对电压暂降源原始波形进行标幺化处理,并对标幺化处理后的三相电压的波形的暂降幅值进行计算,选取其中暂降幅值最小值作为暂降最严重相,然后提取暂降最严重相的8维时域统计特征构成数据集,可以简化特征提取工作量,提高电压暂降源的识别效率,同时采用AdaBoost算法对单一基础学习器支持向量机SVM进行集成,并用数据集的训练集进行训练后获得SVM‑AdaBoost电压暂降源集成学习识别模型,采用集成的思想避免了现有技术的算法对模型不断优化迭代导致的识别原理复杂、步骤繁多等问题,缩短了电压暂降源识别耗时,显著提升电压暂降源的识别准确率,弥补了单一基础学习器的不足。
-
公开(公告)号:CN112036318A
公开(公告)日:2020-12-04
申请号:CN202010900765.6
申请日:2020-09-01
Applicant: 海南电网有限责任公司电力科学研究院
Abstract: 本发明提供一种电压暂降源同质辨识方法,对电压暂降源原始波形进行标幺化处理,并对标幺化处理后的三相电压的波形的暂降幅值进行计算,选取其中暂降幅值最小值作为暂降最严重相,然后提取暂降最严重相的8维时域统计特征构成数据集,可以简化特征提取工作量,提高电压暂降源的识别效率,同时采用AdaBoost算法对单一基础学习器支持向量机SVM进行集成,并用数据集的训练集进行训练后获得SVM-AdaBoost电压暂降源集成学习识别模型,采用集成的思想避免了现有技术的算法对模型不断优化迭代导致的识别原理复杂、步骤繁多等问题,缩短了电压暂降源识别耗时,显著提升电压暂降源的识别准确率,弥补了单一基础学习器的不足。
-
-