论文摘要
针对电力电子设备的广泛接入,谐波污染更加复杂、影响更大等问题,引入了长短期记忆网络（long short-term memory,LSTM）,提出LSTM与多标签分类算法融合的复合谐波扰动分类模型。该模型首先通过LSTM提取特征值,再通过全连接层进行特征降维处理,最后通过分类层进行多标签分类识别。使用该模型克服了人工进行特征选择的缺陷,以及传统神经网络训练时收敛速度慢、容易陷入局部最优的缺点。实验结果表明,在不同的噪声条件下该算法模型可有效分类识别复合谐波扰动。
论文目录
文章来源
类型: 期刊论文
作者: 陈倩,齐林海,王红
关键词: 谐波分类识别,特征提取,长短期记忆网络,多标签分类,深度学习
来源: 电力建设 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学控制与计算机工程学院
基金: 国家电网公司科技项目“城市电网电能质量大数据深化分析及应用技术研究”(52094018001C)~~
分类号: TM711
页码: 101-106
总页数: 6
文件大小: 1978K
下载量: 226