[发明专利]一种基于深度学习的电能质量扰动识别与分类方法在审
| 申请号： | 201810494099.3 | 申请日： | 2018-05-22 |
| 公开（公告）号： | CN108664950A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 王守相;陈海文 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08;G06N3/04 |
| 代理公司： | 天津才智专利商标代理有限公司 12108 | 代理人： | 王顕 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的电能质量扰动识别与分类方法，包括如下步骤：1)构建电能质量扰动模型，生成训练集；2)构建深度神经网络；3)利训练集对深度神经网络进行训练；4)验证深度神经网络的性能；该基于深度学习的电能质量扰动识别与分类方法将传统方法中信号分析、特征选择、分类器构建三部分内容合而为一，通过深度神经网络的训练解决这三个问题，从而避免了信号分析中计算量大，对噪声敏感等问题，克服了人工特征选择步骤繁琐、鲁棒性差的缺点，有利于更准确迅速地发现电能质量问题所属类别。 | ||
| 搜索关键词： | 电能质量扰动 神经网络 特征选择 信号分析 训练集 构建 分类 电能质量问题 分类器构建 计算量 鲁棒性 学习 噪声 验证 敏感 发现 | ||
【主权项】：
1.一种基于深度学习的电能质量扰动识别与分类方法，其特征在于，包括如下步骤：1)构建电能质量扰动模型，根据电能质量扰动模型在参数约束范围内随机生成若干扰动数据作为训练集；2)构建深度神经网络，所述的深度神经网络包括卷基层、池化层、BN层和softmax层；3)利用步骤1)中的训练集对步骤2)中构建的深度神经网络进行训练，并判断是否达到训练指标，若判单结果为“是”，则进入下一步，如判断结果为“否”，则重复步骤3)，继续训练；4)利用步骤1)中的扰动模型在参数约束范围内随机生成若干扰动数据作为测试集，验证深度神经网络的性能；若性能符合要求，利用训练好的深度神经网络对电能扰动质量进行识别和分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810494099.3/，转载请声明来源钻瓜专利网。
