[发明专利]基于DWT和极限学习机的电能质量扰动分类方法在审
| 申请号： | 201910819003.0 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110610203A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 王继东;徐志林 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/52;G06N3/00;G06N3/04;G06N3/08 |
| 代理公司： | 12201 天津市北洋有限责任专利代理事务所 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及电能质量分析技术，为引入最佳特征选择方法，建立电能质量扰动分类模型，以实现电能质量扰动的快速分类，本发明，基于DWT和极限学习机的电能质量扰动分类方法，步骤如下：1)建立电能质量扰动信号模型；2)建立电能质量扰动特征选择模型；3)根据2)中所选取的最佳特征组合，采样最佳特征对分层极限学习机进行训练，调节多层感知器极限学习机的参数，训练一个最优模型；4)根据最佳特征组合的特征对电能质量扰动进行特征提取，并通过步骤3训练的模型进行分类。本发明主要应用于电能质量分析场合。 | ||
| 搜索关键词： | 电能质量扰动 极限学习机 电能质量分析 特征选择 特征组合 多层感知器 分类模型 快速分类 特征提取 信号模型 最优模型 分类 采样 分层 引入 应用 | ||
【主权项】：
1.一种基于DWT和极限学习机的电能质量扰动分类方法，其特征是，步骤如下：/n1)建立电能质量扰动信号模型，对电能质量扰动进行离散小波变换DWT(Discretewavelet transform)，并提取电能质量扰动特征数据；/n2)建立电能质量扰动特征选择模型，根据1)中的电能质量扰动特征，采样粒子群特征选择算法和支持向量机进行最佳特征选择，选取最佳的分类扰动特征组合；/n3)根据2)中所选取的最佳特征组合，采样最佳特征对分层极限学习机进行训练，调节多层感知器极限学习机的参数，训练一个最优模型；/n4)根据最佳特征组合的特征对电能质量扰动进行特征提取，并通过步骤3训练的模型进行分类。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910819003.0/，转载请声明来源钻瓜专利网。
