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

针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。