检索结果-南通市图书馆

基于小波和BP神经网络的电能扰动分类新方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2012年第5期36卷 139-144页

作者：姚建刚郭知非陈锦攀湖南大学电气与信息工程学院湖南省长沙市410082 广东电网公司电力科学研究院广东省广州市510080

电能质量扰动的分类包括特征向量提取和分类器构建2部分。基于小波和神经网络的分类方法大部分采用小波分解各层的能量分布作为特征向量,用单个神经网络给出分类结果,此类方法构建的分类器性能有待进一步提高。文章构建了一组基于小波... 详细信息

电能质量扰动的分类包括特征向量提取和分类器构建2部分。基于小波和神经网络的分类方法大部分采用小波分解各层的能量分布作为特征向量,用单个神经网络给出分类结果,此类方法构建的分类器性能有待进一步提高。文章构建了一组基于小波变换的特征向量作为分类器的输入。通过基于最小二乘法的策略综合3个相互独立神经网络的输出以得到最后的判别结果。算例表明提出的分类器准确率高,在信噪比20 dB的情况下还可以达到93.18%的准确率。分类器能有效识别电压中断、电压暂降、电压暂升、谐波、振荡暂态和闪变6种常见电能质量扰动。

关键词：电能质量扰动分类小波变换反向传播神经网络最小二乘法

基于SA-PSO算法优化CNN的电能质量扰动分类模型

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第5期44卷 185-190页

作者：肖白李道明穆钢高文瑞董光德东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 国网重庆市电力公司电力科学研究院重庆401123

针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题,提出了一种通过模拟退火(SA)算法与粒子群优化(PSO)算法相结合来优化卷积神经网络(CNN)的电能质量扰动分类模型。将CNN卷积层中的二维卷积核替换成一维卷积核;采用SA... 详细信息

针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题,提出了一种通过模拟退火(SA)算法与粒子群优化(PSO)算法相结合来优化卷积神经网络(CNN)的电能质量扰动分类模型。将CNN卷积层中的二维卷积核替换成一维卷积核;采用SA算法对PSO算法进行改进,规避PSO算法陷入局部最优的困境;采用改进后的PSO算法对CNN进行参数寻优;利用优化CNN提取和筛选合适的特征,根据这些特征利用分类器得到最终分类结果。通过算例分析得出,使用基于SA-PSO算法优化的CNN的电能质量扰动分类模型能精确地识别出电能质量扰动信号。

关键词：电能质量扰动分类卷积神经网络粒子群优化算法模拟退火算法特征提取

基于双分支并联的特征融合电能质量扰动分类方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2024年第5期52卷 178-187页

作者：王飞王立辉周少武赵才张志飞佛山科学技术学院机电工程与自动化学院广东佛山528000 湖南科技大学机电工程与自动化学院湖南湘潭411201

为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取... 详细信息

为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取。然后,通过特征融合模块将这些特征融合在一起。最终,通过分类模块对PQDs进行准确分类。相对于串联神经网络,所提方法融合特征向量,增强了特征的区分度,同时适用于并行计算,进一步提高了识别速度。仿真结果表明,所提方法在叠加信噪比为13 dB、15 dB和18 dB的PQDs分类任务中,识别率均超过95%,此外,该方法对异常数据的分类效果也具有一定的鲁棒性。

关键词：一维卷积神经网络一维残差神经网络特征提取扰动分类

维普期刊数据库博看期刊

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

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2019年第5期39卷 157-162页

作者：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

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... 详细信息

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。

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

基于卷积-长短期记忆网络的电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2020年第2期48卷 86-92页

作者：曹梦舟张艳上海海事大学物流工程学院

为了提高电能质量扰动分类准确率,针对扰动信号时序性的特点,采用了基于卷积-长短期记忆网络的电能质量扰动分类方法。首先,将扰动信号进行采样作为输入。然后,通过卷积神经网络(CNN)提取特征数据,再对提取到的特征数据以序列的形式作... 详细信息

为了提高电能质量扰动分类准确率,针对扰动信号时序性的特点,采用了基于卷积-长短期记忆网络的电能质量扰动分类方法。首先,将扰动信号进行采样作为输入。然后,通过卷积神经网络(CNN)提取特征数据,再对提取到的特征数据以序列的形式作为长短期记忆网络(LSTM)的输入,对特征数据进行筛选更新。最后,再对输出的特征数据进行学习分类。仿真结果显示,该方法对电能质量扰动信号的平均分类准确率为99.6%,优于单一的CNN法和单一的LSTM法。

关键词：电能质量扰动分类深度学习卷积神经网络长短期记忆网络

基于侧输出融合卷积神经网络的电能质量扰动分类方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2021年第11期41卷 107-112,126页

作者：王继东张迪天津大学智能电网教育部重点实验室天津300072

针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛... 详细信息

针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛速度和精度。在传统卷积神经网络中引入侧输出融合结构,通过组合卷积低、中和高层的信息进行特征融合,以更好地对输入信号进行分类。针对实测数据不足和信号数据类型分布不均衡等问题,采用数据增强的方法对信号进行处理。仿真和实测数据验证表明,所提方法可以自动进行特征提取和优化,具有分类速度快、分类准确率高等优点。

关键词：电能质量扰动分类侧输出融合卷积神经网络深度学习特征提取

基于生长-修剪优化RBF神经网络的电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

电网技术 2018年第8期42卷 2408-2415页

作者：王慧慧王萍刘涛张博文天津大学电气自动化与信息工程学院天津市南开区300072 天津城建大学控制与机械工程学院天津市西青区300384 天津工业大学电气工程与自动化学院天津市西青区300387

针对电能质量扰动分类算法中径向基函数（radial basis function,RBF）神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法（GAP）的RBF神经网络电能质量扰动分类算法。首先,建立电... 详细信息

针对电能质量扰动分类算法中径向基函数（radial basis function,RBF）神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法（GAP）的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。

关键词： S变换 GAP-RBF神经网络特征值提取电能质量扰动分类

基于卡尔曼滤波和深度置信网络的复合电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2022年第11期50卷 81-90页

作者：陈子璇席燕辉沈银长沙理工大学电气与信息工程学院湖南长沙410114

针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法。首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪。然后,... 详细信息

针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法。首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪。然后,通过深度置信网络对去除噪声的扰动信号进行训练、分类,以此实现电能质量扰动类型的识别。最后,在20类不同噪声水平下的电能质量扰动信号上进行测试。由仿真结果可知,在不同的噪声水平下,该方法都具有较高的分类正确率,表明了该方法的有效性及对噪声的强鲁棒性。

关键词：电能质量扰动卡尔曼滤波深度置信网络扰动分类

同方期刊数据库

采用提升小波包和相关向量机的电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

高电压技术 2010年第3期36卷 782-788页

作者：刘慧刘国海沈跃江苏大学电气信息工程学院镇江212013

针对电能质量扰动识别问题,提出一种多级相关向量机(RVM)和提升小波包分解(LWP)相结合的扰动分类新方法。根据电能扰动现象的内在特征,首先通过提升小波包算法快速提取各类扰动信号的分解系数能量作为扰动特征量;然后利用相关向量机构... 详细信息

针对电能质量扰动识别问题,提出一种多级相关向量机(RVM)和提升小波包分解(LWP)相结合的扰动分类新方法。根据电能扰动现象的内在特征,首先通过提升小波包算法快速提取各类扰动信号的分解系数能量作为扰动特征量;然后利用相关向量机构建多级分类树模型实现分类识别任务。研究表明相关向量机在权系数上引入超参数,与支持向量机相比无需设置惩罚系数、推广能力好、解更稀疏。仿真表明所采用方法能够快速有效地获取高精度扰动分类识别率,测试时间短,更适合于在线检测。仿真和试验结果验证了所采用方法对电能质量扰动分类的有效性。

关键词：电能质量扰动分类相关向量机支持向量机小波包分解提升算法