|
|
|
| 基于受限玻尔兹曼机的电能质量复合扰动识别 |
| 马建； 陈克绪； 肖露欣； 吴建华 |
| 国网江西省电力科学研究院； 南昌大学信息工程学院 |
|
| MA Jian;CHEN Kexu;XIAO Luxin;WU Jianhua |
|
|
|
摘要 针对目前电能质量混合扰动识别精度不高的问题,引入了受限玻尔兹曼机(RBM)算法。RBM是深度学习的一种新颖算法,在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果,但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式,深度网络通过提取波形的固有抽象特征,克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数,再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能,优于传统的识别方法。 更多还原
|
|
| 关键词 ：
电能质量,
复合扰动,
受限玻尔兹曼机,
深度学习,
分类识别
|
|
|
| 基金资助:国家自然科学基金资助项目(61162014);江西省自然科学基金资助项目(20122BAB201029) |
|
|
|
2016, Vol. 40 
