基于深度置信网络的电能质量扰动事件分类

• 作者: 张宇帆 李昭昱 王玥 肖斐 艾芊
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 电能质量 极大重叠离散小波变换 深度置信网络 分类识别
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 特别策划
• 页码范围: 40-45,53
• 页数: 7页
• 分类号: TM72
• 字数: 3836字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2019.01.007

摘要

为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(MODWT)和深度置信网络(DBN)的电能质量扰动分类方法.首先利用MODWT提出一种可靠的电能质量暂态事件检测算法,该算法无需设定检测阈值,可准确获取暂态事件的起止时刻.接着提取暂态事件的电压谐波成分并组成特征向量.然后用DBN分类器对扰动信号进行分类识别,DBN方法比常用的分类方法具有更高的分类准确率和更短的训练时间.通过应用于现场实测扰动数据表明:所提出的方法适用于多种类型的电能质量扰动检测,在少样本情况下具有优越的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾芊	上海交通大学电气工程系	235	4395	36.0	56.0
2	张宇帆	上海交通大学电气工程系	14	28	3.0	5.0
3	王玥	上海交通大学电气工程系	11	48	2.0	6.0
4	肖斐	上海交通大学电气工程系	18	250	7.0	15.0
5	李昭昱	上海交通大学电气工程系	6	12	2.0	3.0