摘要:針對電能質(zhì)量擾動數(shù)據(jù)大、識別算法繁瑣,難以實(shí)現(xiàn)在線實(shí)時識別等問題,提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet的電能質(zhì)量擾動識別數(shù)法,首先將各類電能質(zhì)量擾動轉(zhuǎn)化為圖片格式,然后輸入到AlexNet算法,通過學(xué)習(xí)、調(diào)整電能質(zhì)量擾動信號的特征參數(shù),迭代收斂,最后將實(shí)時的電能質(zhì)量擾動通過訓(xùn)練好的AlexNet,直接實(shí)現(xiàn)擾動識別分類。實(shí)時仿真結(jié)果表明,所提出的方法能精確識別包括3種復(fù)合擾動在內(nèi)的17種電能質(zhì)量擾動問題,只需要對電能質(zhì)量擾動信號進(jìn)行學(xué)習(xí),即可以直接對電能質(zhì)量擾動信號進(jìn)行識別與分類,識別算法簡單且處理的時間短,達(dá)到了實(shí)時性的目的。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社