基于卷积神经网络的电能质量扰动识别研究
吴定安1
钟建伟1
秦勉1
向家国2
曾凡伟2
陈晨2
胡凯2
1.湖北民族大学 信息工程学院,湖北 恩施4450002.国网湖北省电力有限公司恩施供电公司,湖北 恩施445000
摘要：针对电能质量扰动识别时特征提取不充分和人工提取特征值困难较大,造成最终识别精度不高的问题,本文基于对样本数据进行深度学习提出一种采用卷积神经网络(convolutional neural network,CNN)的电能质量扰动分类算法.文中利用CNN从原始扰动图像中自适应地提取特征并加以分类,同时就三种优化器Adam、Rmsprop、SGD在卷积神经网络中对电能质量扰动进行分类,仿真结果表明Adam、Rmsprop在卷积神经网络中对电能质量扰动识别分类效果要优于SGD.Adam和Rmsprop这两种优化器在电能质量扰动分类中识别速度快,精度高,鲁棒性强.
关键词：卷积神经网络优化器电能质量扰动特征值
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(61963014)科技计划(D20180017)
论文发表日期：2020-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 318-321,327 )
英文信息