论文部分内容阅读
针对微电网故障分类和定位问题,文中提出了一种基于离散正交Stockwell变换(DOST)优化多核极限学习机(MKELM)的微电网智能故障分类与定位识别方法。利用DOST从微电网发送端继电器中获取故障后电流信号的一个周期,提取有用的统计特征进行标准化处理并将其作为MKELM的输入,结合遗传算法(GA)确定MKELM的最优参数。在微电网测试系统中测试了所提出方法在不同运行条件和故障情况下的性能,测试结果验证了该方法在高性能微电网中对任何类型的故障进行分类和定位的有效性。与传统的核极限学习机(KELM)