基于受限玻尔兹曼机的电能质量复合扰动识别 |
| |
引用本文: | 马建,陈克绪,肖露欣,吴建华.基于受限玻尔兹曼机的电能质量复合扰动识别[J].南昌大学学报(理科版),2016,40(1):30. |
| |
作者姓名: | 马建 陈克绪 肖露欣 吴建华 |
| |
作者单位: | 国网江西省电力科学研究院; 南昌大学信息工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61162014);江西省自然科学基金资助项目(20122BAB201029) |
| |
摘 要: | 针对目前电能质量混合扰动识别精度不高的问题,引入了受限玻尔兹曼机(RBM)算法。RBM是深度学习的一种新颖算法,在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果,但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式,深度网络通过提取波形的固有抽象特征,克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数,再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能,优于传统的识别方法。 更多还原
|
关 键 词: | 电能质量 复合扰动 受限玻尔兹曼机 深度学习 分类识别 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《南昌大学学报(理科版)》浏览原始摘要信息 |
| 点击此处可从《南昌大学学报(理科版)》下载免费的PDF全文 |
|