[发明专利]一种电气化铁路牵引供电系统电能质量扰动定位与识别方法

权利要求书

1.一种基于集合经验模态分解和深度信念网络的电气化铁路牵引供电质量扰动定位与识别方法，包括以下步骤：

给原始信号添加白噪声；

用EMd分解算法得到IMF；

对得到的IMF的均值进行Hilbert变换；

采用深度信念网络进行扰动识别。

2.根据权利要求1所述的基于集合经验模态分解和深度信念网络的配电网系统电能质量扰动定位与识别方法，所述采用深度信念网络进行扰动识别的步骤为：

步骤一：初始化神经元层数n以及神经元数量N，每一次训练送入的数据数量M，训练深度信念网络的迭代次数P，训练深度信念网络中每一个限制波尔兹曼机的迭代次数p′，训练深度信念网络的当前迭代次数T，训练深度信念网络中限制波尔兹曼机的当前迭代次数T′；

步骤二：获取正常样本和故障样本；

步骤三：训练深度信念网络中第一个限制波尔兹曼机，将训练数据赋给显层v⁽⁰⁾，计算它使隐层神经元被开启的概率

其中上标用于区分不同向量，下标j代表维度；

步骤四：从计算出的概率分布中抽取一个样本

步骤五：用h⁽⁰⁾重构显层，同时抽取其中的一个样本；

步骤六：计算重构后隐层神经元被开启的概率

步骤七：更新权重W,b,c

b_j＝b_j+v⁽⁰⁾-v⁽¹⁾

步骤八：判断T′＝P′，否，T′＝T′+1，返回到步骤三；是，继续下一步；

步骤九：将第一个限制波尔兹曼机的权重系数和偏移系数固定好，然后使用其最终输出作为第二个限制波尔兹曼机的输入；

步骤十：重复步骤三至步骤八训练好第二个限制波尔兹曼机；

步骤十一：计算第二个限制波尔兹曼机的输出Y_i；

步骤十二：计算输出误差MSE

步骤十三：用梯度下降法对误差函数进行优化，再反向传播回每一层进行参数微调；

步骤十四：判断T＝P，否，T＝T+1，返回到步骤十一；是，继续下一步；

步骤十五：将定位后的样本数据送入训练好的模型中进行分类识别。