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

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.

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

所属期刊栏目：39

分类号：TM761(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目61379063

在线出版日期：2019-06-14（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：157-162