基于受限玻尔兹曼机的电能质量复合扰动识别

• 作者: 吴建华 肖露欣 陈克绪 马建
• 来源期刊: 南昌大学学报（理科版）
• 学科: 工学
• 关键词: 电能质量 复合扰动 受限玻尔兹曼机 深度学习 分类识别
• 年，卷（期）: 2016,（1）
• 页码范围: 30-34
• 页数: 5页
• 分类号: TM711
• 字数: 3692字
• 语种: 中文

摘要

针对目前电能质量混合扰动识别精度不高的问题，引入了受限玻尔兹曼机（RBM）算法。RBM是深度学习的一种新颖算法，在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果，但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式，深度网络通过提取波形的固有抽象特征，克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数，再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能，优于传统的识别方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建华	南昌大学信息工程学院	41	357	11.0	18.0
2	陈克绪		12	23	3.0	4.0
3	马建		9	20	3.0	4.0
4	肖露欣	南昌大学信息工程学院	3	11	1.0	3.0