文献类型：期刊文章

作　　者：曹梦舟[1] 张艳[1]

CAO Mengzhou;ZHANG Yan(Logistics Engineering College,Shanghai Maritime University,Shanghai 201306,China)

机构地区：[1]上海海事大学物流工程学院

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(61503240,61603246)~~

年　　份：2020

卷　　号：48

期　　号：2

起止页码：86-92

语　　种：中文

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

摘　　要：为了提高电能质量扰动分类准确率,针对扰动信号时序性的特点,采用了基于卷积-长短期记忆网络的电能质量扰动分类方法。首先,将扰动信号进行采样作为输入。然后,通过卷积神经网络(CNN)提取特征数据,再对提取到的特征数据以序列的形式作为长短期记忆网络(LSTM)的输入,对特征数据进行筛选更新。最后,再对输出的特征数据进行学习分类。仿真结果显示,该方法对电能质量扰动信号的平均分类准确率为99.6%,优于单一的CNN法和单一的LSTM法。

关 键 词：电能质量 扰动分类  深度学习  卷积神经网络 长短期记忆网络  

分 类 号：TM711] TP18]