基于ELM与DWT的电能质量检测技术研究

2021-09-09 13:27:10凌万水刘刚
电气传动 2021年17期
关键词:特征提取分类特征

凌万水,刘刚

(1.上海金智晟东电力科技有限公司,上海 200233;2.国网江苏省电力有限公司宿迁供电分公司,江苏 宿迁 223800)

作为一个高度复杂的网络,智能电网在运行过程中需要先进的监测系统维持其可靠性、安全性与可持续性地工作。随着工业物联网(internet of things,IoT)等概念的提出,智能电网将产生越来越海量的数据,这也对快速有效的数据处理与挖掘提出更高要求[1]。此外,当今的智能电网体系正在连接越来越多样化的基本单位,如各类可再生能源与高级计量设施(advanced metering infrastructure,AMI)等[2]。由于工业社会与电网的高度耦合,停电等电能质量问题会造成重大损失。

在电能质量监测领域,电能质量事件(power quality event,PQE)分类是一个关键问题。一般地,PQE分类分为特征提取与决策两个阶段。在特征提取阶段,使用信号处理技术将电能质量(PQ)信号转换到特定的特征空间并提取特征,然后在决策阶段基于特征使用各种分类模型完成分类。特征空间的形式取决于特征变换中使用的方法,如基本的快速傅里叶变换(fast Fourier transform,FFT)与均方根(root mean square,RMS)变差跟踪等[3-4]。这两类方法在时域分析问题中不适用,短时傅里叶变换(short-time FFT,STFFT)对此进行了改进,使FFT具备了时域分析能力[5]。更为复杂的方法包括卡尔曼滤波器、Hilbert-Huang变换与S变换等[5-7]。在决策阶段,由于PQE检测本质上是分类问题,因此可以使用机器学习中常见的分类算法处理,如深度神经网络(deep neural network,DNN)与支持向量机(support vector machine,SVM)等[8-9]。

本文提出一种基于离散小波变换(discrete wavelet transform,DWT)与极限学习机(extreme learning machine,ELM)的PQE分类技术。在特征提取中,该方法将熵引入到小波变换的计算中,并结合直方图表示可以更为快速地提取特征集合。……

登录APP查看全文

猜你喜欢
特征提取分类特征
分类算一算
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
电子制作(2019年15期)2019-08-27 01:12:00
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
一种基于LBP 特征提取和稀疏表示的肝病识别算法
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
Walsh变换在滚动轴承早期故障特征提取中的应用
轴承(2010年2期)2010-07-28 02:26:12