基于深度前馈网络的电能质量复合扰动识别

作者：许立武; 李开成^*; 肖贤贵; 赵晨; 尹家明; 倪逸

来源：电测与仪表, 2020, 57(01): 62-130.

DOI：10.19753/j.issn1001-1390.2020.001.008

• 电能质量
• 扰动识别
• 深度学习
• 深度前馈网络
• 不完全S变换

针对电能质量复合扰动识别中识别准确率不高和泛化性能较差的问题,提出基于深度前馈网络(Deep Feedforward Network,DFN)的扰动识别方法。先在少数重要频率点上对扰动信号作不完全S变换,从得到的时频矩阵中提取多种识别特征,构建和训练三层DFN扰动分类器,并使用Dropout正则化来提高分类器的泛化性能。仿真实验和实测实验表明,文中的方法能够有效识别8种复合扰动在内的共17种扰动类型,并具有很好的抗噪性能和泛化性能。与CART决策树、极限学习机、随机森林等现有方法相比,方法识别准确率更高,鲁棒性更好,具有良好的应用前景。

• 单位
  强电磁工程与新技术国家重点实验室; 电子工程学院; 华中科技大学