[发明专利]一种基于DBN-ELM的电能质量扰动信号分类方法有效
| 申请号： | 201910652562.7 | 申请日： | 2019-07-19 |
| 公开（公告）号： | CN110378286B | 公开（公告）日： | 2023-03-28 |
| 发明（设计）人： | 高凯;黄博南;肖军;刘鑫蕊;孙秋野;马大中;刘振伟;刘康;李明;郑超铭;刘力宁;蒋庆康 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06F18/24 | 分类号： | G06F18/24;G06N3/006;G06N3/048;G06N3/08 |
| 代理公司： | 沈阳东大知识产权代理有限公司 21109 | 代理人： | 李在川 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于DBN‑ELM的电能质量扰动信号分类方法，属于信号分类技术领域。该方法利用深度信念网络DBN对扰动信号进行特征提取，在搭建DBN时利用改进的量子粒子群算法对DBN网络中的每个RBM的学习速率进行寻优，再利用极限学习机ELM对提取的特征进行分类，得到电能质量扰动信号的类别。该方法充分利用了深度学习的特点，提高了分类准确率以及抗噪性，使得单一扰动和复合扰动均能得到准确的分类。 | ||
| 搜索关键词： | 一种 基于 dbn elm 电能 质量 扰动 信号 分类 方法 | ||
【主权项】：
1.一种基于DBN‑ELM的电能质量扰动信号分类方法，其特征在于，包括如下步骤：步骤1：对不同类型的电能质量扰动信号分别进行采样并做好类别标签；步骤2：采用min‑max方法对采样信号归一化处理，划分出训练样本集和测试样本集；步骤3：搭建DBN神经网络，利用改进的量子粒子群算法对DBN网络中的每个RBM的学习速率进行寻优；步骤4：利用训练样本集对改进后的DBN神经网络进行训练，提取出电能扰动信号的特征；步骤5：采用ELM分类器对提取出的特征进行分类训练；步骤6：将测试样本集输入到训练好的DBN神经网络中进行特征提取；步骤7：将提取出的特征输入到训练好的ELM分类器中进行分类，得到扰动信号类型。
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东北大学，未经东北大学许可，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/201910652562.7/，转载请声明来源钻瓜专利网。
