基于LSTM网络的谐波多标签分类

摘要：

针对电力电子设备的广泛接入,谐波污染更加复杂、影响更大等问题,引入了长短期记忆网络(long short-term memory,LSTM),提出LSTM与多标签分类算法融合的复合谐波扰动分类模型.该模型首先通过LSTM提取特征值,再通过全连接层进行特征降维处理,最后通过分类层进行多标签分类识别.使用该模型克服了人工进行特征选择的缺陷,以及传统神经网络训练时收敛速度慢、容易陷入局部最优的缺点.实验结果表明,在不同的噪声条件下该算法模型可有效分类识别复合谐波扰动.

关键词：谐波分类识别、特征提取、长短期记忆网络(LSTM)、多标签分类、深度学习

所属期刊栏目：40

分类号：TM72(输配电工程、电力网及电力系统)

资助基金：国家电网公司科技项目“城市电网电能质量大数据深化分析及应用技术研究”52094018001C

在线出版日期：2019-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：101-106