[发明专利]基于深度学习模型融合的电压暂降原因识别方法有效
| 申请号： | 201811489795.1 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109635928B | 公开（公告）日： | 2023-05-30 |
| 发明（设计）人： | 王红;郑智聪;齐林海 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/047;G06N3/088;G06N3/084 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 102206*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习模型融合的电压暂降原因识别方法，属于电能质量分析方法技术领域。方法包括对电压暂降录波及其暂降原因标签进行数据预处理；搭建卷积神经网络；对卷积神经网络进行有监督预训练；用深度置信网络替换卷积神经网络的全连接层；对深度置信网络进行无监督预训练；添加softmax层；对整个网络进行有监督训练；对生成的模型进行准确率的验证；对融合模型输出的各类别概率进行判断，自动识别输入对应的暂降原因类型。本发明利用历史电压暂降录波及其暂降原因标签对网络进行迭代训练，生成融合后的模型。将监测点可能出现的电压暂降录波输入模型，就可以得到对应的暂降原因类型。 | ||
| 搜索关键词： | 基于 深度 学习 模型 融合 电压 原因 识别 方法 | ||
【主权项】：
1.一种基于深度学习模型融合的电压暂降原因识别方法，其特征在于，该方法包括以下步骤：步骤1：对电能质量监测点的电压暂降录波及其电压暂降原因标签进行数据预处理；步骤2：搭建传统的卷积神经网络；步骤3：用训练集数据对步骤2搭建好的网络进行有监督预训练；步骤4：保留卷积神经网络的参数，用深度置信网络替换卷积神经网络的全连接层；步骤5：用训练集数据对深度置信网络进行无监督预训练；步骤6：保留深度置信网络的参数，在现有网络的输出层后面添加softmax层；步骤7：用训练集数据对整个网络进行有监督训练并保存模型；步骤8：用测试集数据对步骤7生成的模型进行准确率的验证；步骤9：用户输入电压暂降录波数据，模型自动识别其对应的电压暂降原因类型。
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华北电力大学，未经华北电力大学许可，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/201811489795.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种卷积神经网络训练方法及装置
- 下一篇：基于FPGA的卷积实现方法及卷积器
