参考文献
[1] 汪飞,全晓庆,任林涛. 电能质量扰动检测与识别方法研究综述[J] . 中国电机工程学报,2021,41(12):4104-4120.
[2] 黄建明,瞿合祚,李晓明. 基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类[J] . 电网技术,2016,40(10):3184-3191.
[3] 布左拉·达吾提,帕孜来·马合木提,董永昌,葛震君. 一种改进 EMD-SVD 算法的暂态电能质量扰动信号消噪研究[J] . 电测与仪表,2021,58(12):69-75.
[4] 尹柏强,陈奇彬,李兵,佐磊. 基于改进 Kaiser 窗快速 S 变换和 LightGBM 的电能质量扰动识别与分类新方法[J] . 中国电机工程学报,2021,41(24):8372-8383.
[5] ANGRISANI L, DAPONTE P, APUZZO M D, TESTA A.A measurement method based on thewavelet transform for power qualityanalysis[J].IEEE Transactions Power Delivery,1998,13(4):990-998.
[6] 武晨晨,苗霁,祝佳楠,张文惠. 遗传算法优化 BP 神经网络的电能质量预测预警研究[J] . 电工电气,2021(9):18-22.
[7] 李祖明,吕干云,陈诺,裴哲远,丁雨昊,龚彧. 基于混沌集成决策树的电能质量复合扰动识别[J] .电力系统保护与控制,2021,49(21):18-27.
[8] 翁国庆,朱双双,闫翠萍,黄飞腾,舒俊鹏. 基于模糊专家系统的电能质量治理决策支持系统[J] .浙江工业大学学报,2019,47(2):210-218.
[9] 李波,曹敏,李仕林,李春阳. 基于 WT 和 GA-SVM 的电能质量扰动识别方法[J] . 电力电子技术,2020,54(3):52-55.
[10] 庄夏. 基于 DWT 和 RNN 的无刷直流电动机轴承故障检测方法[J]. 微特电机,2017,45(6):17-21.
[11] 任轩,汪庆年,尚宝,姜宏伟,常乐. 基于混合神经网络的短期电力负荷预测方法[J] . 电子测量技术,2022,45(14):71-77.
[12] 黄南天,徐殿国,刘晓胜. 基于 S 变换与 SVM 的电能质量复合扰动识别[J] . 电工技术学报,2011,26(10):23-30.
[13] CHEN Tian, JU Sihang, REN Fuji, FAN Mingyan,GU Yu.EEG emotion recognition model based on the LIBSVM classifier[J].Measurement,2020,164(5):108047.
[14] 郑炜,林瑞全,王俊,李振嘉. 基于 GAF 与卷积神经网络的电能质量扰动分类[J] . 电力系统保护与控制,2021,49(11):97-104.