基于稀疏降噪自编码的电能质量扰动识别研究

摘要：

针对传统电网电能质量扰动识别中特征向量提取精度不足、扰动信号识别率不高的问题,提出使用稀疏降噪自编码模型构建扰动分类识别网络.首先对扰动信号样本做降噪腐蚀处理,并对误差函数添加稀疏惩罚项和权重衰减项.然后采用梯度下降法求解误差偏导函数方程,增强了整个自编码模型的数据特征提取能力.最后选用Logistic分类器对特征向量做识别处理,经反向微调整合模型参数,提升了模型分类识别性能.仿真结果表明,所建模型在电能质量扰动分类识别训练速率、平均识别准确率方面优于文中其它测试模型,且泛化能力强,能以较高准确率快速识别出不同电能质量扰动信号.

关键词：电能质量;特征提取;扰动识别;稀疏降噪自编码

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金51877161

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：75-79