基于深度学习模型融合的电压暂降源识别方法

• 作者: 王红 郑智聪 齐林海
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电压暂降 模型融合 深度学习 卷积神经网络 深度置信网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 97-104
• 页数: 8页
• 分类号: TM71
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.181337

摘要

电压暂降源的识别是制定电压暂降治理方案和明确事故责任的基础.电压暂降源可分为单一电压暂降源和复合电压暂降源,电网设备的复杂化和用电模式的区域化对基于物理特征的传统电压暂降源识别方法提出了新的挑战.该文提出一种基于模型融合的电压暂降源识别方法,通过深度学习算法中的卷积神经网络获取电压暂降信号的时序特征和空间特征,采用深度置信网络替换卷积神经网络中用于提纯高维特征和起分类器作用的全连接层,从而增强网络的多标签分类能力.利用仿真和加噪数据对网络进行迭代训练和反复测试,验证了融合模型的高识别精度和抗噪性能.对比传统的电压暂降源识别方法,生成的模型具有良好的泛化能力,能够有效应用于实际工程中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐林海		45	223	8.0	13.0
2	王红		21	60	4.0	7.0
3	郑智聪		2	4	1.0	2.0