基于改进经验小波变换和XGBoost的电能质量复合扰动分类

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.

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

所属期刊栏目：37

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：江苏省重点研发计划;国家电网公司科技;国家重点研发计划

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：232-243,253