基于侧输出融合卷积神经网络的电能质量扰动分类方法
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.
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
41
TM732(输配电工程、电力网及电力系统)
国家重点研发计划项目2016YFB0901102
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
107-112,126