一种基于深度森林的电能质量扰动分类方法

摘要

本发明公开了一种基于深度森林的电能质量扰动分类方法，包括以下步骤：步骤一：通过多粒度扫描从电能质量扰动波形数据集中自动提取特征，从而得到原始数据的特征表达；步骤二：通过级联森林进行逐层学习获得深度特征，级联森林不断重复，直至收敛性能达到要求，最终实现电能质量扰动分类；步骤三：通过使用不同的扰动信号采样频率和向扰动信号中添加噪声来验证所提出的方法的鲁棒性。本发明利用具有级联结构的深度森林集合进行数据的表征学习，并且通过多粒度扫描来学习数据的深层特征，这种基于决策树的方法超参数较少，容易训练，具有良好的鲁棒性，并且在少量数据的情况下仍然能表现出优异的性能，在分类问题中取得了很好的效果。