基于深度置信网络的电能质量扰动检测与分类

• 作者: 余达 张然 蓝新斌 郭俊宏 陈子明
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 电能质量分析 深度学习 深度置信网络 检测 分类
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 92-98
• 页数: 7页
• 分类号: TM93|TP183
• 字数: 3255字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.006.012

摘要

为准确识别各类电能质量扰动,提出一种新型的、基于深度置信网络(deep belief network,DBN)的电能质量(power quality,PQ)扰动检测和分类方法.该方法为纯数据驱动方法,通过使用DBN对数据样本进行深度学习,从而形成稳定模型用于检测与分类.为了获得足够的样本进行训练,搭建1个周期内的PQ扰动数学模型,进行数据采集;然后对DBN的结构及参数进行设计和选取.为验证该方法的有效性,使用训练好的DBN对常见的PQ扰动信号进行检测和分类,并与现有的常规检测分类方法进行比较.对比仿真结果表明,与现有的检测分类方法相比,该方法具有更高的精度和较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈子明		2	10	1.0	2.0
2	郭俊宏	广东电网有限责任公司电力调度控制中心	3	4	1.0	2.0
3	蓝新斌	广东电网有限责任公司电力调度控制中心	6	13	1.0	3.0
4	张然	广东电网有限责任公司电力调度控制中心	2	0	0.0	0.0
5	余达		1	0	0.0	0.0