基于条件互信息特征选择法和Adaboost算法的电能质量复合扰动分类

作     者：李长松 刘凯 肖先勇 金耘岭 LI Changsong;LIU Kai;XIAO Xianyong;JIN Yunling

作者机构：四川大学电气信息学院成都610065 南京灿能电力自动化股份有限公司南京210000 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2019年第45卷第2期

页      面：579-585页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：电能质量 复合扰动分类 特征选择 条件互信息 Adaboost算法 

摘      要：为准备识别复杂电能质量扰动类型,提出一种基于条件互信息平均最优化(avg-CMIM)特征选择法与Adaboost动态集成分类器的电能质量复合扰动分类策略。首先基于条件互信息,提出准确衡量特征与扰动类别相关性、特征集内部目标导向冗余性的评价准则,得到不同扰动标签相匹配的最优分类特征集。再利用Adaboost分类器进行动态增强学习,对未知样本进行标签识别,通过组合标签结果确定复合扰动的组成成分,实现电能质量复合扰动的识别。仿真结果表明,在不同程度噪音下,该方法能够高效准确地识别电压暂升、电压暂降、电压短时中断、谐波、脉冲暂态和振荡暂态等单一扰动和其组合成的复合扰动,并通过实测数据验证了方法的正确性和可行性。