%0 Journal Article
%T 基于多标签RBF神经网络的电能质量复合扰动分类方法
%A 管春
%A 周雒维
%A 卢伟国
%J 电工技术学报
%P 198-204
%D 2011
%X 在径向基(RBF)神经网络和C-均值聚类算法的基础上,提出一种适用于电能质量复合扰动分类的多标签排位分类算法—多标签径向基函数法(ML-RBF)。首先,对常见的电能质量扰动及其组合而成的复合扰动进行离散小波分解,提取各层分解系数的规范能量熵作为特征向量;然后采用C-均值聚类算法将所得的特征向量映射为RBF神经网络的输入;最后通过RBF神经网络对该电能质量复合扰动类型进行预测。仿真实验结果表明,在不同的噪声条件下,ML-RBF可以有效分类识别电能质量复合扰动。
%K 电能质量
%K 多标签分类
%K 径向基函数
%K 小波变换
%K C-均值聚类
%U http://www.ces-transaction.com/CN/abstract/abstract1269.shtml