一种基于机器学习的电能质量扰动信号识别方法

    公开(公告)号:CN116881808A

    公开(公告)日:2023-10-13

    申请号:CN202310898890.1

    申请日:2023-07-21

    摘要: 本发明提供了一种基于机器学习的电能质量扰动信号识别方法,包括S1、对原始扰动信号应用DTCWT‑LPP,提取相应的特征量并进行降维处理;S2、原始扰动信号经过DTCWT‑LPP处理后得到相应的标准差、均值、最大值、最小值等特征量,将其作为输入样本输入到局部密度聚类中进行分类识别,建立相应的电能质量扰动识别的分类模型;S3、新数据输入时,根据DTCWT‑LPP变换后的电能质量分类模型对电能质量进行分类。本发明以有源配电网为研究背景,对DTCWT与LPP算法进行有效融合,利用DTCWT‑LPP提取各种电压质量扰动的特征并对特征量进行降维处理,采用多级局部密度聚类算法构建分类模型,对电能质量扰动源进行分类识别,从而解决电能质量扰动等问题。