期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
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 被引量：32
1
作者 屈相帅 段斌 +2 位作者 尹桥宣 晏寅鑫 钟颖 《电力自动化设备》 EI CSCD 北大核心 2019年第5期157-162,共6页
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... 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。 展开更多
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
下载PDF
基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类 被引量：30
2
作者 杨晓梅 郭林明 +1 位作者 肖先勇 张家宁 《电网技术》 EI CSCD 北大核心 2020年第8期3014-3020,共7页
针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛... 针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛选方法选取最优子带并提取时域和频域特征;然后基于随机森林算法计算特征重要性,通过序列前向选择法去掉不相关特征和冗余特征,得到对应每种扰动标签的最优特征集;最后训练生成随机森林多标签分类模型,根据输出标签的组合得到扰动类别。仿真数据实验表明,该方法能够准确高效识别23类扰动,且抗噪能力强,提高了含暂降、含中断的复合扰动的分类准确率。并以实测数据实验证明了方法的可行性。 展开更多
关键词 电能质量 复合扰动分类 可调品质因子小波变换 特征选择 随机森林
下载PDF
基于条件互信息特征选择法和Adaboost算法的电能质量复合扰动分类 被引量：19
3
作者 李长松 刘凯 +1 位作者 肖先勇 金耘岭 《高电压技术》 EI CAS CSCD 北大核心 2019年第2期579-585,共7页
为准备识别复杂电能质量扰动类型,提出一种基于条件互信息平均最优化(avg-CMIM)特征选择法与Adaboost动态集成分类器的电能质量复合扰动分类策略。首先基于条件互信息,提出准确衡量特征与扰动类别相关性、特征集内部目标导向冗余性的评... 为准备识别复杂电能质量扰动类型,提出一种基于条件互信息平均最优化(avg-CMIM)特征选择法与Adaboost动态集成分类器的电能质量复合扰动分类策略。首先基于条件互信息,提出准确衡量特征与扰动类别相关性、特征集内部目标导向冗余性的评价准则,得到不同扰动标签相匹配的最优分类特征集。再利用Adaboost分类器进行动态增强学习,对未知样本进行标签识别,通过组合标签结果确定复合扰动的组成成分,实现电能质量复合扰动的识别。仿真结果表明,在不同程度噪音下,该方法能够高效准确地识别电压暂升、电压暂降、电压短时中断、谐波、脉冲暂态和振荡暂态等单一扰动和其组合成的复合扰动,并通过实测数据验证了方法的正确性和可行性。 展开更多
关键词 电能质量 复合扰动分类 特征选择 条件互信息 ADABOOST算法
下载PDF
基于改进S变换和GA-SVM的电能质量扰动识别与分类 被引量：8
4
作者 张殷 武利会 +1 位作者 范心明 曾庆辉 《广东电力》 2021年第5期99-106,共8页
电能质量扰动的准确识别与有效分类是改善与治理电能质量问题的前提,针对当前电能质量扰动识别与分类存在的不足,提出一种基于改进S变换和遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)的电能质量扰动识... 电能质量扰动的准确识别与有效分类是改善与治理电能质量问题的前提,针对当前电能质量扰动识别与分类存在的不足,提出一种基于改进S变换和遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)的电能质量扰动识别与分类方法。首先,在S变换高斯窗函数中引入调节因子,依据信号特征分频段选择调节因子,以提高电能质量扰动分析的时频分辨率。其次,结合S变换模时频矩阵提取时频特征曲线,构建电能质量扰动初始特征集。最后,基于遗传算法进行扰动特征优选和支持向量机参数优化,并利用GA-SVM完成电能质量扰动分类。对14种电能质量扰动的分类进行测试,验证所提方法的有效性与鲁棒性。 展开更多
关键词 电能质量 扰动识别与分类 改进S变换 特征优选 参数优化
下载PDF
基于深度卷积序列残差组合神经网络的电能质量扰动分类方法 被引量：5
5
作者 田光阳 王胜昔 +4 位作者 田世东 康星 姚蕾 钟建伟 梁会军 《湖北电力》 2022年第5期19-24,共6页
针对当前电能质量扰动学习模型在参数更新过程中易出现梯度爆炸而导致参数不更新和深层神经网络容易出现过拟合的问题,提出一种深度卷积序列残差组合神经网络模型,该模型采用深度卷积神经网络对电能质量波形进行深度特征提取,使用循环... 针对当前电能质量扰动学习模型在参数更新过程中易出现梯度爆炸而导致参数不更新和深层神经网络容易出现过拟合的问题,提出一种深度卷积序列残差组合神经网络模型,该模型采用深度卷积神经网络对电能质量波形进行深度特征提取,使用循环神经网络对提取后的特征进行时间序列学习,使用残差神经网络对学习到的波形序列信息进行更深层的学习。同时,在卷积神经网络和残差神经网络中加入循环神经网络对电能质量扰动信号进行序列特征的学习,有效避免了由于对电能质量扰动信号序列信息学习不充分而导致的分类精度低的情况。 展开更多
关键词 电能质量扰动分类 深度神经网络 残差神经网络 循环神经网络 时间序列
下载PDF
一种数据库查询的多标签电能质量混合扰动识别与分类新方法
6
作者 王燕 李雨婕 +3 位作者 卞安吉 骆玉深 江浙 曹浩敏 《中国电机工程学报》 EI CSCD 北大核心 2024年第15期5886-5898,I0004,共14页
该文针对电能质量混合扰动的复杂性及当前分类识别的准确率不够高等问题,提出一种数据库查询的多标签电能质量混合扰动分类与识别方法,该方法能够更加科学准确地识别混合扰动,可为电能质量治理、扰动事件责任追究等提供有力决策辅助。首... 该文针对电能质量混合扰动的复杂性及当前分类识别的准确率不够高等问题,提出一种数据库查询的多标签电能质量混合扰动分类与识别方法,该方法能够更加科学准确地识别混合扰动,可为电能质量治理、扰动事件责任追究等提供有力决策辅助。首先,该方法基于可调Q因子小波变换(tunable Q-factor wavelet transform,TQWT)和时变均方根(rootmeansquare,RMS)的特征提取方法有效提取扰动信号基频时域特征量,较好地克服了当前基频幅值特征提取准确率不够高的难点问题;其次,提出频域特征曲线分割新方法,高效地提取扰动信号的高频特征曲线;然后,建立基频幅值特征数据库和高频特征曲线数据库;最后,利用快速动态时间规整(dynamictimewarping,DTW)结合多标签的分类思想进行混合电能质量扰动的多标签分类。仿真实验结果表明,新方法具有如下优势:几乎不受限值范围内基频偏移的影响,抗噪性较强,对单一扰动及包含双重、三重、四重扰动在内的27种扰动具有较高的分类准确率。电网实测扰动数据的分析,进一步验证了该方法的扰动识别有效性。 展开更多
关键词 混合扰动多标签分类 可调Q因子小波变换 时变均方根 特征曲线分割 快速动态时间规整
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部