您的位置: 专家智库 > >

肖剑

作品数:1 被引量:26H指数:1
供职机构:湖南电力公司更多>>
发文基金:国家自然科学基金更多>>
相关领域:电气工程电子电信更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇电子电信
  • 1篇电气工程

主题

  • 1篇电能
  • 1篇电能质量
  • 1篇学习机
  • 1篇强跟踪滤波器
  • 1篇滤波
  • 1篇滤波器
  • 1篇极限学习机
  • 1篇跟踪滤波
  • 1篇跟踪滤波器

机构

  • 1篇长江大学
  • 1篇华中科技大学
  • 1篇湖北工业大学
  • 1篇湖南电力公司

作者

  • 1篇李开成
  • 1篇陈晓静
  • 1篇孟庆旭
  • 1篇肖剑

传媒

  • 1篇电工技术学报

年份

  • 1篇2017
1 条 记 录,以下是 1-1
排序方式:
一种实时电能质量扰动分类方法被引量:26
2017年
针对电能质量扰动实时分类的需求,提出了一种基于强跟踪滤波器和极限学习机的电能质量扰动分类方法。强跟踪滤波器通过引入渐消因子矩阵克服了扩展卡尔曼滤波器的易发散的问题。强跟踪滤波器不仅可以检测扰动幅值而且还可以提供渐消因子作为特征量,以此识别暂态扰动和谐波。该方法提出使用基波幅值最大值、最小值、波动次数和渐消因子频度均值四个特征量组成特征向量作为极限学习机分类模型的训练样本;最后将分类器用于电能质量扰动识别。为了提高极限学习机分类精度,提出了对少量边界错分样本的类别进行校正的规则校正法。仿真表明改进后的方法能够识别包括两种复合扰动在内的10种电能质量扰动信号,并具有良好抗噪性。与随机梯度下降反向传播方法、最小二乘支持向量机和序贯极限学习机相比,该方法训练和分类速度快,分类准确率高,适合于在线应用。
陈晓静李开成肖剑孟庆旭蔡得龙
关键词:强跟踪滤波器极限学习机电能质量
共1页<1>
聚类工具0