买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学

摘要：本发明公开了基于多标签LightGBM的电能质量复合扰动识别方法，对原始扰动信号进行基于S变换的时‑频域特征提取，对单一扰动标签对应的LightGBM子分类器分别进行基于total_gain特征重要度的原始特征排序，并以各LightGBM子分类器的分类准确率为决策变量开展前向特征选择，确定与各子分类器相匹配的最优特征子集，根据各最优特征子集构建最优LightGBM子分类器来识别信号中所含的单一扰动成分，并构建含多子分类器的多标签LightGBM来识别电能质量复合扰动。本方法识别准确率高、抗噪声能力强，并且能有效识别无训练样本未知类型复合扰动数据，避免将未知类型复合扰动误识别为错误的已知类型。

主权项：1.基于多标签LightGBM的电能质量复合扰动识别方法，其特征在于，具体按照以下步骤实施：步骤1、分别对包含不同类型的原始电能质量扰动的复合电能质量扰动信号进行S变换，得到多组时-频矩阵，对每组时-频矩阵进行局部奇异值分解得到多个奇异值，以每个时-频矩阵的最大奇异值为特征向量构建原始特征集；步骤2、分别将原始特征集输入LightGBM子分类器获得各特征的total_gain重要度值，对各特征进行序列向前特征选择，构成最优特征子集；步骤3、将原始特征集合作为训练集，分别将训练集和最优特征子集输入识别不同扰动信号的LightGBM子分类器，将每个扰动信号作为一个标签，获得多标签LightGBM模型；步骤4、将待测电能质量扰动信号经S变换与局部奇异值分解，提取待测电能质量扰动信号特征，将提取后的特征输入多标签LightGBM模型，得到电能质量扰动类型；步骤2具体过程为：将原始特征集合输入LightGBM子分类器获得各时-频域特征的total_gain重要值，total_gain表示特征在分类器学习过程中的总增益，将特征按total_gain重要值从大到小进行排序，并依次加入特征子集中，每加入一个特征，计算在该特征子集下的LightGBM子分类器的识别准确率，重复此过程直到所有特征均加入特征集合中，最终选择准确率最高的特征子集作为各LightGBM子分类器的最优特征子集；步骤3最优特征子集输入识别不同扰动信号的LightGBM子分类器用于使LightGBM子分类器只识别最优特征子集中特征属性；步骤4具体过程为：将待测电能质量扰动信号进行S变换处理，并对S变换后的时-频矩阵进行局部奇异值分解得到特征向量，将提取后的特征输入多标签LightGBM模型，得到待测电能质量扰动信号中包含的多个标签，通过每个标签对应的干扰信号确定电能质量扰动类型。

全文数据：

权利要求：

百度查询： 东北电力大学 基于多标签LightGBM的电能质量复合扰动识别方法