基于卷积神经网络的电能质量扰动识别研究

• 作者: 向家国 吴定安 曾凡伟 秦勉 胡凯 钟建伟 陈晨
• 来源期刊: 湖北民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 优化器 电能质量扰动 特征值
• 年，卷（期）: 2020,（3）
• 页码范围: 318-321,327
• 页数: 5页
• 分类号: TM761
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2020.09.015

摘要

针对电能质量扰动识别时特征提取不充分和人工提取特征值困难较大,造成最终识别精度不高的问题,本文基于对样本数据进行深度学习提出一种采用卷积神经网络(convolutional neural network,CNN)的电能质量扰动分类算法.文中利用CNN从原始扰动图像中自适应地提取特征并加以分类,同时就三种优化器Adam、Rmsprop、SGD在卷积神经网络中对电能质量扰动进行分类,仿真结果表明Adam、Rmsprop在卷积神经网络中对电能质量扰动识别分类效果要优于SGD.Adam和Rmsprop这两种优化器在电能质量扰动分类中识别速度快,精度高,鲁棒性强.