文献类型：期刊文章

作　　者：屈相帅[1,2] 段斌[1,2] 尹桥宣[1,2] 晏寅鑫[2] 钟颖[2]

QU Xiangshuai;DUAN Bin;YIN Qiaoxuan;YAN Yinxin;ZHONG Ying(Key Laboratory of Intelligent Computing & Information Processing of Ministry of Education,Xiangtan University,Xiangtan 411105,China;Cooperative Innovation Center for Wind Power Equipment and Energy Conversion,Xiangtan University,Xiangtan 411105,China)

机构地区：[1]湘潭大学智能计算与信息处理教育部重点实验室,湖南湘潭411105 [2]湘潭大学湖南省风电装备与电能变换协同创新中心,湖南湘潭411105

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(61379063)~~

年　　份：2019

卷　　号：39

期　　号：5

起止页码：157-162

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE)进行逐层学习,获得电能质量扰动数据的深层次特征;将其连接到softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的抗噪声能力。仿真结果表明,所提方法能够准确地识别包含2种复合扰动在内的9种电能质量扰动信号,并且具有很好的鲁棒性。

关 键 词：电能质量 扰动分类  特征提取 扰动识别 稀疏自动编码器  深度学习  

分 类 号：TM761]