您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 电气工程 > 发电/电力网/电力系统 > 摘要

基于稀疏自动编码器深度神经网络的电能质量扰动分类方法

《电力自动化设备》2019年 第5期 | 屈相帅 段斌 尹桥宣 晏寅鑫 钟颖   湘潭大学智能计算与信息处理教育部重点实验室 湖南湘潭411105 湘潭大学湖南省风电装备与电能变换协同创新中心 湖南湘潭411105
购物车 | ★ 收藏 | 分享
论文服务:
摘 要:针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE)进行逐层学习,获得电能质量扰动数据的深层次特征;将其连接到softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的抗噪声能力。仿真结果表明,所提方法能够准确地识别包含2种复合扰动在内的9种电能质量扰动信号,并且具有很好的鲁棒性。
【分 类】【工业技术】 > 电工技术 > 输配电工程、电力网及电力系统 > 电力系统的自动化 > 自动调整
【关键词】 电能质量 扰动分类 特征提取 扰动识别 稀疏自动编码器 深度学习
【出 处】 《电力自动化设备》2019年 第5期 157-162页 共6页
【收 录】 中文科技期刊数据库

尊敬的读者:

在全国人民勠力同心抗击新型冠状病毒感染的肺炎疫情之际,为了给广大人民群众的教育、工作和生活提供便利,维普网(www.cqvip.com)在疫情防控期间免费向读者开放学术论文的下载权限。