[发明专利]压缩感知和深度卷积神经网络电能质量扰动分类方法在审
| 申请号： | 201910581533.6 | 申请日： | 2019-06-29 |
| 公开（公告）号： | CN110458189A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 王继东;徐志林 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06Q50/06 |
| 代理公司： | 12201 天津市北洋有限责任专利代理事务所 | 代理人： | 刘国威<国际申请>=<国际公布>=<进入 |
| 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： | 本发明属，为提出端到端的智能分类框架，可以针对采集的数据直接进行分类，不需要任何耗时的数据预处理操作，应对压缩感知恢复的误差，在噪声数据中也具有良好的分类性能，本发明，压缩感知和深度卷积神经网络电能质量扰动分类方法，步骤如下：1)建立电能质量扰动信号模型；2)针对采集的压缩数据，设计一种基于深度学习的分类器解决压缩数据中噪声干扰的问题；3)训练一个适用于电能质量扰动分类的模型；针对实际扰动数据不平衡和实际采集的数据量不足问题，采用数据增强的方法对实测数据进行处理。本发明主要应用于电能质量扰动分类场合。 | ||
| 搜索关键词： | 电能质量扰动 分类 压缩感知 采集 数据预处理操作 卷积神经网络 分类性能 实测数据 数据增强 信号模型 噪声干扰 噪声数据 智能分类 压缩 分类器 数据量 扰动 耗时 应用 恢复 学习 | ||
【主权项】：
1.一种压缩感知和深度卷积神经网络电能质量扰动分类方法，其特征是，步骤如下：/n1)建立电能质量扰动信号模型，对电能质量扰动进行分析，通过分析电能质量扰动压缩重构成功率与压缩比的关系，确定观测矩阵的维数M值，确定电能质量扰动的压缩感知采样方法，对电能质量扰动进行采样，采集电能质量扰动的压缩数据；/n2)针对采集的压缩数据，设计一种基于深度学习的分类器，该分类器的结构设计解决压缩数据中噪声干扰的问题；/n3)根据步骤3设计的分类器和步骤1采集的数据，训练一个适用于电能质量扰动分类的模型；/n针对实际扰动数据不平衡和实际采集的数据量不足问题，采用数据增强的方法对实测数据进行处理。/n
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/201910581533.6/，转载请声明来源钻瓜专利网。
