10.19768/j.cnki.dgjs.2022.04.031
基于CapsNet和动态路由的电能质量扰动分类
如何从海量的测量数据信息中快速提取电能质量信号,并实现准确的信号分类和参数辨识是电力系统领域研究的热点问题之一,针对传统方法存在训练样本量大、高信噪比环境下辨识能力不足,结合胶囊网络(Capsule Networks,CapsNet)的特征和动态路由机制,提出一种新型电能质量扰动分类辨识方法,使用矢量长度来替代传统单一标量表示预测概率的形式.在说明胶囊网络结构的基础上,从信息压缩和路由机制两个方面构建了算法理论基础.仿真算例结果表明该方法在高信噪比环境下能准确辨识各种电能质量扰动信息,具有较强的鲁棒性.
电能质量、扰动分类、机器学习、动态路由
TM71(输配电工程、电力网及电力系统)
西藏自治区自然科学基金项目;西藏农牧学院研究生创新计划资助项目;西藏农牧大学柔性人才计划
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
100-103