摘要
本发明提出一种基于主导尺度特征传递匹配的谐波源集成学习定位方法,利用小波包分解方法对各监测量进行多尺度分解,提取各谐波源独特的波动特征;任意组合电压或电流监测量生成若干个基学习器,在利用改进动态加窗算法筛选出最佳窗宽和仅主导谐波源作用时的数据段的基础上,估计出每个基学习器主导尺度d序列对应的回归系数,再利用改进加权投票法集成各基学习器投票结果,输出主导谐波源位置。
技术关键词
学习定位方法
学习器
谐波监测装置
序列
波动特征
非暂态计算机可读存储介质
多尺度
节点
电压
线性
电流
处理器
重构
代表
算法
动态
存储器
数据
电子设备
系统为您推荐了相关专利信息
深度学习框架
时序预测方法
神经网络模型
序列
集合经验模态分解
数据预测模型
智能预警方法
序列
工业设备
智能预警系统
尼可地尔片
矩阵
羟丙甲纤维素
混合神经网络模型
微晶纤维素