谈述电能质量扰动信号降维及分类-

论文导读：离中的参数β=0.3时，基于本论文提出的多类评价函数的浮动顺序搜索算法保留的候选特点子集要优于基于原多类评价函数的浮动顺序搜索算法保留的候选特点子集。而保留的候选特点主要集中在电能质量扰动信号的基频附近。3．提出了迭代聚类K近邻算法(RKM-KNN、RecursiveK-meansK-NearestNeighbors)K近邻算法在识别新样本的类别时
摘要：随着科学技术的不断进步，各种复杂的、精密的、对电能质量敏感的现代用电设备的不断普及，人们对电能质量的要求及标准越来越高，同时各种拥有非线性、冲击性及不平衡用电特性的电力电子装置的利用，使电网的干扰性负荷日益增加，导致电能质量的下降。影响工业企业的正常工作，造成巨大经济损失。对电能质量扰动信号进行正确地检测、评估和分类十分必要。很多学者提出用机器学习的策略来识别电能质量扰动信号类型。与其它机器学习不足不同之处在于电能质量扰动信号检测不仅需要很好的识别准确率还需要很高的实时性。本论文以数据挖掘和机器学习里的维数约简和样本压缩的角度对电能质量扰动信号检测不足的分类识别进行了探讨。本论文所做的主要工作如下：1．获得大量不同类型的电能质量扰动信号现场数据比较困难，对电能质量扰动信号的识别检测探讨需要借助于仿真数据。本论文利用PSCAD\EMTDC和Matlab软件对6种电能质量扰动信号类型数据进行仿真。对于仿真得到的电能质量扰动信号波形数据需要对其进行变换，提取波形数据里的重要信息。本论文利用多分辨率小波变换波形数据进行预处理。2.提出了一种新的针对多类浮动顺序搜索算法的评价函数经过小波变换的电能质量扰动信号数据维数可以达到数千维，需要以中选择部分相关特点，去除其中的冗余特点。本论文所要探讨的电能质量扰动信号检测是一个多类识别不足，本论文提出一种新的用于浮动顺序搜索算法的多类评价函数，该评价函数要求每两类之间Chernoff距离的均值最大，方差最小。当Chernoff距离中的参数β=0.3时，基于本论文提出的多类评价函数的浮动顺序搜索算法保留的候选特点子集要优于基于原多类评价函数的浮动顺序搜索算法保留的候选特点子集。而保留的候选特点主要集中在电能质量扰动信号的基频附近。3．提出了迭代聚类K近邻算法(RKM-KNN、Recursive K-means K-Nearest Neighbors)K近邻算法在识别新样本的类别时需要存储所有的先验样本，通过计算训练集中与新样本距离最近的k个样本的类别来决定新样本的类别。直接用k近邻作为分类算法无法满足电能质量扰动信号检测的实时性要求。本论文提出利用迭代K-means聚类算法的方式选择原训练集的一个子集来表示原训练集。子集由用K-means每次聚类生成的簇的簇中心组成。RKM-KNN算法是一个下线学习历程，由此不会影响电能质量信号扰动检测的实时性。置信度0.95的t的检验实验结果表明RKM-KNN算法保留部分电能质量扰动信号数据的识别准确率与原电能质量扰动信号数据的识别准确率无显著性差别。而保留的电能质量扰动信号数据部分只占原扰动信号数据的6.28%。这样在判断新扰动信号类别时，计算量只有原来的6.28%。关键词：电能质量扰动论文小波变换论文浮动顺序搜索论文Chernoff距离评价函数论文RKM-KNN论文
本论文由www.7ctime.com,需要论文可以联系人员哦。致谢3-4
摘要4-5
Abstract5-7
目录7-9
第一章 绪论9-15

1.1 引言9

1.2 电能质量的基本概念9-10

1.2.1 电能质量不足的产生与危害9-10

1.2.2 电能质量扰动特点10

1.2.3 电能质量不足的探讨作用10

1.3 电能质量扰动分类10-12

1.4 国内外探讨近况12-13

1.5 本论文内容安排13-15

第二章 电能质量扰动信号仿真与数据预处理15-27

2.1 动态电能质量扰动信号及模型仿真15-21

2.

1.1 信号模型的建立15-17

2.

1.2 PSCAD/EMTDC 系统仿真17-21

2.

1.3 动态电能质量扰动信号数据的预处理21

2.2 小波变换21-24

2.1 短时傅里叶变换22

2.2 连续小波变换22

2.3 离散小波浅析22-23

2.4 多分辨率小波变换23-24

2.3 小波多分辨率浅析在电能质量扰动信号浅析中的运用24-26

2.3.1 小波函数的选择24-25

2.3.2 分解尺度的确定25-26

2.4 本章小结26-27

第三章 多类浮动顺序搜索算法及其在电能质量扰动信号检测中的运用27-40

3.1 引言27-28

3.2 浮动顺序搜索算法中的评价函数28-31

3.

2.1 常用的评价函数28-29

3.

2.2 Bhattacharyya 距离，Chernoff 距离29-30

3.

2.3 多类评价函数30-31

3.3 浮动顺序搜索算法31

3.4 实验31-39

3.4.1 特点选择性能评价分类算法32-33

3.4.2 实验一33-34

3.4.3 实验二34-36

3.4.4 实验三36-39

3.5 本章小结39-40

第四章 RKM-KNN(Recursive K-means K-Nearest Neighbors)算法及其在电能质量扰动信号检测上的运用40-56

4.1 引言40-41

4.2 相关探讨工作介绍41-43

4.3 RKM-KNN(Recursive K-means K-Nearest Neighbors)算法43-47
4.

3.1 K-means 聚类算法介绍43-44

4.3.2 RKM-KNN(Recursive K-means K-Nearest Neighbors)算法44-47

4.4 实验47-55

4.1 RKM-KNN 算法在人工数据集上的实验结果47-48

4.2 RKM-KNN 算法在实际数据集上的实验比较48-49

4.3 RKM-KNN 分类器在电能质量扰动信号分类上的运用49-55

4.5 本章小结55-56

第五章 结束语56-58
参考文献58-63
附录 A 电能质量国家标准摘要63-65
在学校探讨成果及发表的学术论文65-66
摘要66-68
Abstract68-69