摘要：针对电能质量（power quality,PQ）复合扰动识别中缺少特征选择与最优决策树自动构建方法的不足,提出采用分类回归树的PQ特征选择与最优决策树构建方法。首先,通过S变换提取64种PQ特征,构成原始特征集;然后,采用嵌入式特征选择方法,获取特征Gini重要度及排序,确定最优特征子集;最后,应用1-标准误差规则子树评估法,进行代价复杂度剪枝,获得最优分类树。实验证明,新方法能够根据训练集自动构建最优决策树,并实现最优特征选择;最优决策树可准确识别不同噪声环境下,含多种复合扰动的PQ信号,分类准确率高于概率神经网络和支持向量机方法,具有良好的鲁棒性与抗噪性。

关键词：电能质量 复合扰动 s变换 分类回归树 gini重要度 

单位：东北电力大学电气工程学院; 吉林省吉林市132012; 哈尔滨工业大学电气工程及自动化学院; 黑龙江省哈尔滨市150001