论文摘要
针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。
论文目录
文章来源
类型: 期刊论文
作者: 张立鹏,郑岩,秦刚,董继,孙伟
关键词: 电力系统,深度卷积神经网络,复合扰动,电能质量
来源: 河北工业科技 2019年01期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网冀北电力有限公司廊坊供电公司,华北电力大学新能源电力系统国家重点实验室,国网河北省电力公司保定市供电公司
基金: 国网河北省科技攻关项目(KJ2015014)
分类号: TM711;TP183
页码: 42-46
总页数: 5
文件大小: 1345K
下载量: 187
相关论文文献
- [1].低压并网型微电网电能质量扰动实验方法设计[J]. 河南科技 2019(34)
- [2].复合电能质量扰动下低压配电网中关键设备附加损耗的解耦分析[J]. 电测与仪表 2019(24)
- [3].基于卷积-长短期记忆网络的电能质量扰动分类[J]. 电力系统保护与控制 2020(02)
- [4].基于电能质量扰动抑制的配电网低电压治理方法[J]. 电子设计工程 2020(04)
- [5].基于特征融合一维卷积神经网络的电能质量扰动分类[J]. 电力系统保护与控制 2020(06)
- [6].基于行波理论的滤波器电能质量扰动控制仿真[J]. 计算机仿真 2020(01)
- [7].基于多层极限学习机的电能质量扰动多标签分类算法[J]. 电力系统保护与控制 2020(08)
- [8].非线性参数在复合电能质量扰动分析中的应用[J]. 红水河 2020(02)
- [9].基于蚁群算法的电能质量扰动源容错性定位方法[J]. 科学技术与工程 2020(13)
- [10].浅谈如何解决好因电能质量扰动所带来的低电压问题[J]. 科学技术创新 2020(18)
- [11].基于深度置信网络的电能质量扰动检测与分类[J]. 广东电力 2020(06)
- [12].基于循环神经网络的电能质量扰动识别[J]. 电力系统保护与控制 2020(18)
- [13].基于改进小波阈值函数和奇异值分解的电能质量扰动检测[J]. 电测与仪表 2020(21)
- [14].小波包和最小二乘支持向量机的电能质量扰动识别[J]. 现代电子技术 2018(03)
- [15].基于广义谐波理论的电能质量扰动检测方法[J]. 水电站机电技术 2018(05)
- [16].基于迁移学习的电能质量扰动分类方法研究[J]. 电气时代 2018(09)
- [17].几种电能质量扰动检测和分类方法研究[J]. 科技风 2018(30)
- [18].压缩感知在电能质量扰动信号中的研究[J]. 山西电子技术 2016(06)
- [19].基于样本熵的电网传输电能质量扰动信号分析[J]. 电网与清洁能源 2016(11)
- [20].一种新的电能质量扰动信号压缩感知识别方法[J]. 电力系统保护与控制 2017(03)
- [21].一种实时电能质量扰动分类方法[J]. 电工技术学报 2017(03)
- [22].电能质量扰动信号的自适应去噪方法[J]. 电力系统自动化 2016(23)
- [23].不相干约束项的判别字典表示电能质量扰动分类研究[J]. 电子测量与仪器学报 2017(04)
- [24].一种新的电能质量扰动特征提取与识别方法[J]. 现代电子技术 2017(14)
- [25].电能质量扰动信号模型的建立[J]. 中国标准化 2017(14)
- [26].复杂电能质量扰动事件区段定位方法研究[J]. 中国电机工程学报 2017(17)
- [27].S变换在电能质量扰动中的分析[J]. 电测与仪表 2015(22)
- [28].基于复阻抗与支持向量机的电能质量扰动分类方法[J]. 安徽大学学报(自然科学版) 2016(03)
- [29].基于压缩感知的电能质量扰动信号分析[J]. 大连工业大学学报 2016(04)
- [30].电能质量扰动发生器控制策略及其实现[J]. 电力系统保护与控制 2014(23)
标签：电力系统论文; 深度卷积神经网络论文; 复合扰动论文; 电能质量论文;