Print

基于LSTM网络的谐波多标签分类

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

  • 0 引言
  • 1 谐波扰动
  • 2 LSTM原理
  • 3 基于LSTM的谐波多标签分类方案
  •   3.1 多标签分类
  •   3.2 模型设计
  • 4 实验分析与结果
  •   4.1 数据仿真
  •   4.2 实验结果分析
  •   4.3 性能比较
  • 5 结语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/3784e5bfa46f58f67eeecfe7.html