基于小波变换与随机森林分类器的多重电能质量事件检测与分类
信号处理
2019-11-13 v1
摘要
本文阐述了一种用于检测多重电能质量(PQ)事件的技术。本文提出了一种基于小波变换和随机森林分类器的算法。所开发的技术在11种不同的电能质量事件上实现，包括单一阶段电能质量事件（如电压暂降、电压暂升、闪变、中断）和多阶段电能质量事件（如谐波与电压暂降、电压暂升、闪变、中断的组合）。PQ事件使用标准IEEE-1159标准在MATLAB中仿真。利用小波变换提取PQ事件的重要特征，并用于训练基于随机森林的分类器。将基于随机森林的分类器的效率与其他广泛使用的机器学习算法（如K近邻(KNN)和支持向量机(SVM)）进行比较。从不同算法的混淆矩阵得出结论，随机森林相比SVM和KNN表现出更优的分类精度。
引用
@article{arxiv.1911.04661,
title = {Multiple Power Quality Event Detection and Classification using Wavelet Transform and Random Forest Classifier},
author = {Sambit Dash and Umamani Subudhi},
journal= {arXiv preprint arXiv:1911.04661},
year = {2019}
}
备注
Present at IEEE AESPC conference