摘要:针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE)进行逐层学习,获得电能质量扰动数据的深层次特征;将其连接到softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的抗噪声能力。仿真结果表明,所提方法能够准确地识别包含2种复合扰动在内的9种电能质量扰动信号,并且具有很好的鲁棒性。
关键词:电能质量 扰动分类 特征提取 扰动识别 稀疏自动编码器
单位:湘潭大学智能计算与信息处理教育部重点实验室; 湖南湘潭411105; 湘潭大学湖南省风电装备与电能变换协同创新中心; 湖南湘潭411105
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社