2025年1月23日
星期四
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
肖剑
作品数:
1
被引量:28
H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>>
合作作者
孟庆旭
华中科技大学
陈晓静
长江大学电子信息学院
李开成
湖北工业大学
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
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
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
一种实时电能质量扰动分类方法
被引量:28
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
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张