[发明专利]基于LSTM的电压暂降扰动分类方法

权利要求书

1.一种基于LSTM深度学习模型的电压暂降扰动原因分类方法。其特征在于，该方法的具体步骤为：

步骤1：数据处理层对数据进行归一化处理；

步骤2：由两层LSTM网络对步骤1中处理好的数据，进行特征提取操作；

步骤3：由全连接层对步骤2中提取的特征值进行降维处理；

步骤4：由sigmoid分类层对步骤3中的特征进行分类识别。

2.根据权利要求1所述的一种基于LSTM的电压暂降扰动分类方法，其特征在于，所述的数据预处理，将获取的电压暂降原始波形数据做归一化处理，所用归一化方法为min-max标准化(Min-maxnormalization)/0-1标准化(0-1normalization)也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：

其中max为样本数据的最大值，min为样本数据的最小值。

3.根据权利要求1所述的一种基于LSTM的电压暂降扰动分类方法，其特征在于，所述的两层LSTM网络的特征提取步骤为：

步骤1：第一层LSTM对数据处理层输入的每条样本，提取出200个抽象特征值；

步骤2：然后由第二层LSTM对这200个特征值进一步处理，得到更加精准的抽象特征。

这样的两层结构适用于数据复杂度高、采样点多、时序长的电压暂降扰动数据，有助于提高电压暂降扰动识别的准确率。

4.根据权利要求1所述的一种基于LSTM的电压暂降扰动分类方法，其特征在于，所述的全连接层对两层LSTM网络提取的200个特征值进行降维处理，降低分类层输入的数据复杂度，提高分类准确率。

5.根据权利要求1所述的一种基于LSTM的电压暂降扰动分类方法，其特征在于，所述的sigmoid分类层通过对全连接层传递来的特征进行学习，计算出待分类数据属于各类别的概率，并输出结果，最终给出待分类样本的预测类别。