基于分形特征提取的电能质量数据挖掘.PDFVIP

第３３卷第１１期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．１１ ２０１６年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１６ 基于分形特征提取的电能质量数据挖掘 １，２ ２ 于燕平 　林　涛 １（柳州铁道职业技术学院动力技术学院　广西柳州５４５６１６） ２（武汉大学电气工程学院　湖北武汉４３００７２） 摘　要　　发现“海量”监测数据中电能质量问题，并提取出有用信息，是电能质量有效治理的关键。将大数据挖掘技术应用于电 能质量知识发现，８类电能质量数据先进行ＥＭＤ分解，取前２阶ＩＭＦ参数后结合分形理论分别求取计盒维、截距等１０维特征参数。 经泛化处理后，训练并生成了可靠的决策树，抽取出ＩＦＴＨＥＮ分类规则，用于电能质量问题预测。通过对比分析，分形参数较其他 特征参数更有利于如振荡暂态、切痕、尖峰、闪变等电能质量问题分析，特别是对含噪电能质量的分析。结合大数据挖掘技术，不含 噪和含噪信号的平均识别率分别提高了１．８％和４．１％。 关键词　　数据挖掘　ＥＭＤ分解　分形理论　决策树 中图分类号　ＴＰ３９１．９　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．１１．００６ ＰＯＷＥＲＱＵＡＬＩＴＹＤＡＴＡＭＩＮＩＮＧＢＡＳＥＤＯＮＦＲＡＣＴＡＬＦＥＡＴＵＲＥＥＸＴＲＡＣＴＩＯＮ １，２ ２ ＹｕＹａｎｐｉｎｇ 　ＬｉｎＴａｏ １（ＤｅｐａｒｔｍｅｎｔｏｆＰｏｗｅｒＴｅｃｈｎｏｌｏｇｙ，ＬｉｕｚｈｏｕＲａｉｌｗａｙＶｏｃａｔｉｏｎａｌＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｌｉｕｚｈｏｕ５４５６１６，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ） ２（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｏｆｉｎｄｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｒｏｂｌｅｍｓｆｒｏｍ＂ｍａｓｓ＂ｍｏｎｉｔｏｒｉｎｇｄａｔａａｎｄｔｏｅｘｔｒａｃｔａｖａｉｌａｂｌｅｉｎｆｏｒｍａｔｉｏｎｆｒｏｍｉｔ，ｔｈｉｓｉｓｔｈｅｋｅｙｔｏ ｃｏｎｔｒｏｌｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｅｆｆｅｃｔｉｖｅｌｙ．Ｗｅａｐｐｌｉｅｄｔｈｅｂｉｇｄａｔａｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙｔｏｐｏｗｅｒｑｕａｌｉｔｙｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙ，ｅｘｅｒｔｅｄｔｈｅｅｍｐｉｒｉｃａｌ ｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ）ｏｎ８ｋｉｎｄｓｏｆｐｏｗｅｒｑｕａｌｉｔｙｄａｔａｉｎａｄｖａｎｃｅ，ｔｏｏｋｔｈｅｆｉｒｓｔ２ｏｒｄｅｒＩＭＦｐａｒａｍｅｔｅｒｓａｎｄｔｈｅｎｃｏｍｂｉｎｅｄｔｈｅｆｒａｃｔａｌ ｔｈｅｏｒｙｔｏｃａｌｃｕｌａｔｅｒｅｓｐｅｃｔｉｖｅｌｙ１０ｄｉｍｅｎｓｉｏｎｆｅａｔｕｒｅｖｅｃｔｏｒｓｏｆｂｏｘｃｏｕｎｔｉｎｇｄｉｍｅｎｓｉｏｎ，ｉｎｔｅｒｃｅｐｔ，ｅｔｃ．Ａｆｔｅｒｔｈｅｇｅｎｅｒａｌｉｓａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｙ ｗｅｒｅｔｒａｉｎｅｄａｎｄｇｅｎｅｒａｔｅｄｔｈｅｒｅｌｉａｂｌｅｄｅｃｉｓｉｏｎｔｒｅｅｗｈｉｃｈｗａｓｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｕｌｅｓｏｆＩＦＴＨＥＮ，ａｎｄｗａｓｕｓｅｄｔｏｆｏｒｅｃａｓｔ ｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｒｏｂｌｅｍｓ．Ｂｙｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓ，ｔｈｅｆｒａｃｔａｌｐａｒａｍｅｔｅｒｓｗｅｒｅｍｏｒｅｃｏｎｄｕｃｉｖｅｔｏａｎａｌｙｓｉｎｇｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｒｏｂｌｅｍｓｓｕｃｈ ａｓｏｓｃｉｌｌａｔｏｒｙｔｒａｎｓｉｅｎｔ，ｎｏｔｃｈ，ｓｐｉｋｅ，ｆｌｉｃｋｅｒｅｔｃ．，ｔｈａｎｏｔｈｅｒｆｅａｔｕｒｅｓ，ｅｓ