基于深度置信网络的电压暂降特征提取及源辨识方法

• 作者: 张宸宇 李丹奇 李陶然 梅飞 沙浩源 郑建勇
• 来源期刊: 电力系统自动化
• 关键词: 电压暂降 深度学习 深度置信网络 特征提取 暂降源辨识
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研制与开发
• 页码范围: 150-158
• 页数: 9页
• 字数: 7363字
• 语种: 中文
• DOI: 10.7500/AEPS20190306004

摘要

提出一种基于深度置信网络(DBN)的电压暂降特征提取与暂降源辨识方法,利用DBN的特征提取能力对实测波形数据进行特征自提取,解决了人工提取特征过度依赖专家经验,受未知特征影响较大不具备一般性的问题.采用多隐层结构网络学习特征最终实现暂降源辨识.该模型集特征提取器与分类器于一体,优化了模型结构框架,提高了暂降源辨识效率.对模型最优参数进行选择,建立适用于电压暂降实测数据类型的DBN模型,对电网实测暂降数据进行特征提取与暂降源辨识,通过对比验证了DBN方法在特征提取与暂降源识别上的优越性,适用于实际工程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建勇	东南大学电气工程学院	272	4359	35.0	50.0
2	张宸宇	国网江苏省电力有限公司电力科学研究院	35	108	6.0	9.0
3	李陶然	东南大学电气工程学院	4	10	2.0	3.0
4	沙浩源	东南大学电气工程学院	9	31	3.0	5.0
5	梅飞	河海大学能源与电气学院	22	105	5.0	9.0
6	李丹奇	东南大学电气工程学院	4	9	2.0	3.0