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！

龙图腾网获悉合肥工业大学申请的专利一种基于多源特征选择的混合电能质量扰动分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115879035B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310011458.6，技术领域涉及：G06F18/241；该发明授权一种基于多源特征选择的混合电能质量扰动分类方法是由刘冬梅;王顺;朱鑫立;朱众望;朱微远;谢凯凯设计研发完成，并于2023-01-05向国家知识产权局提交的专利申请。

本一种基于多源特征选择的混合电能质量扰动分类方法在说明书摘要公布了：本发明公开了一种基于多源特征选择的混合电能质量扰动分类方法，其步骤包括：a、混合电能质量扰动信号采集；b、利用时域、傅里叶变换、短时傅里叶变换小波变换以及S变换等多源方法提取混合电能质量扰动信号特征，构成特征集矩阵；c、利用近邻成分分析NCA计算得到各类特征的特征权重，进行特征选择；d、利用选择出的关键特征进行支持向量机SVM训练，并利用改进的粒子群算法优化SVM参数；e、识别出电能质量扰动类型并输出类别标签。本发明既能综合多种特征提取方法的优势，又能解决数据样本量大、特征表现不明显的问题，还能改善支持向量机的分类性能，从而能准确辨识各类电能质量扰动信号。

本发明授权一种基于多源特征选择的混合电能质量扰动分类方法在权利要求书中公布了：1.一种基于多源特征选择的混合电能质量扰动分类方法，其特征在于，包括以下步骤： 步骤一、采集电网中电能质量监测点的电能质量扰动信号，从而得到n个不同扰动类别的扰动信号样本； 步骤二、提取扰动信号样本的特征，并对特征进行归一化处理和添加类别标签，从而得到n个带标签的电能质量扰动信号的特征样本{xi,yi|i＝1,2,…,n}，其中，xi∈RD表示第i个特征样本，且xi＝[xi1,xi2,…,xir,…,xiD]，xir表示第i个特征样本xi中第r个特征量，D表示特征样本的维度，yi表示xi的类别标签，且yi∈{1,2,…,c}，c为类别标签数；令特征集矩阵 步骤三、多源特征选择，并得到关键特征矩阵Fm： 步骤3.1、利用式1计算特征集矩阵Fs中第i个特征样本xi和第j个特征样本xj的距离dwxi,xj； 式1中，wr为第r个特征量的特征权重；xjr分别表示第j个特征样本xj中第r个特征量； 步骤3.2、利用式2计算第i个特征样本xi的近邻分布； 式2中，pij表示第i个特征样本xi随机选择第j个特征样本xj为近邻后，xi继承xj的标签yj的概率； 步骤3.3、利用式3构建含有正则化项的目标函数Fw； 式3中，λ为正则化参数；yij表示标签yi是否与标签yj相同，当yi＝yj时，令yij为1，否则，令yij为0；w为特征权重向量； 步骤3.4、利用式4求解目标函数Fw最大时所对应特征权重向量 步骤3.5、将特征集矩阵Fs中D类特征量按特征权重进行降序排序，并选取前M类特征量构成关键特征矩阵其中，qi∈RM表示第i个关键特征样本，M＜D； 步骤四、利用改进的粒子群算法优化支持向量机模型； 步骤4.1、选取支持向量机的输入参数中的惩罚参数与核函数参数作为优化对象，并初始化粒子群算法中各个参数，包括：粒子总数P、迭代次数k＝1、最大迭代次数K； 步骤4.2、产生第k代粒子群，并将惩罚参数与核函数参数作为每个粒子的二个变量，从而获得第k代粒子群中第p个粒子的第d个变量的当前位置和当前速度其中，1≤k≤K，1≤p≤P，1≤d≤L；L表示变量总数，且L＝2； 步骤4.3、计算第k代粒子群中每个粒子的适应度，从而获得第k代粒子群中每个粒子的局部最优粒子，并从中选出最大适应度值对应的粒子作为第k代的全局最优粒子； 步骤4.4、利用式5计算第k+1代粒子群中第p个粒子的速度 式5中，为第k代粒子群的第p个粒子中第d个变量的局部最优粒子，为第k代粒子群中第d个变量的全局最优粒子；c1和c2是学习因子；r1和r2是分布于[0,1]区间的随机数；ωk为第k代的动态惯性权重，并由式6得到； 式6中，U0,1是0到1之间均匀分布的随机数，ωmax代表动态惯性权重的最大值；ωmin代表动态惯性权重的最小值； 步骤4.5、计算第k+1代粒子群中P个粒子的适应度，并与第k代的适应度作进行比较，将较大适应度值对应的粒子作为第k+1代粒子群中P个粒子的局部最优粒子，并从第k+1代粒子群中选出最大适应度值对应的最优粒子作为第k+1代粒子群的全局最优粒子； 步骤4.6、将k+1赋值给k后，返回步骤4.4顺序执行，直到kK为止，从而获得第K代粒子群的全局最优粒子，以第K代全局最优粒子作为支持向量机的最优惩罚参数与最优核函数参数； 步骤4.7、将关键特征矩阵Fm输入到包含最优惩罚参数与最优核函数参数的支持向量机中进行训练，得到最优的支持向量机模型； 步骤五、利用所述最优的支持向量机模型对待测的电能质量扰动信号进行分类，并输出待测的电能质量扰动信号的类别标签。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。