论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 屈相帅,段斌,尹桥宣,晏寅鑫,钟颖
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
来源: 电力自动化设备 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 湘潭大学智能计算与信息处理教育部重点实验室,湘潭大学湖南省风电装备与电能变换协同创新中心
基金: 国家自然科学基金资助项目(61379063)~~
分类号: TM711;TP18
DOI: 10.16081/j.issn.1006-6047.2019.05.023
页码: 157-162
总页数: 6
文件大小: 1025K
下载量: 510