基于相空间重构和卷积神经网络的电能质量扰动分类

	基于相空间重构和卷积神经网络的电能质量扰动分类
	陈伟; 何家欢; 裴喜平
刊名	电力系统保护与控制
	2018-07-16
卷号	46 期号:2018年14期页码:87-93
关键词	电能质量扰动分类相空间重构深度学习卷积神经网络
ISSN号	ISSN：1674-3415
英文摘要	为了提高电能质量扰动信号分类的准确率,首先利用相空间重构将一维时间序列电能质量扰动信号重构到多维相空间,获得扰动信号轨迹并投影到二维相平面,形成二维轨迹图像。然后对该图像进行二值化处理,减少信号的数据量,凸显轨迹轮廓。最后通过卷积神经网络对处理后的轨迹图像进行特征提取,并对相应的扰动信号进行分类识别。在卷积神经网络框架Caffe下进行仿真实验,仿真结果表明该方法具有很高的识别准确率和良好的抗噪能力。
URL标识	查看原文
WOS研究方向	Engineering
语种	中文
CSCD记录号	CSCD:6293245
状态	已发表
内容类型	期刊论文
源URL	[http://119.78.100.223/handle/2XXMBERH/1945]
专题	电气工程与信息工程学院
作者单位	兰州理工大学电气工程与信息工程学院, 兰州, 甘肃 730050, 中国
推荐引用方式 GB/T 7714	陈伟,何家欢,裴喜平. 基于相空间重构和卷积神经网络的电能质量扰动分类[J]. 电力系统保护与控制,2018,46(2018年14期):87-93.
APA	陈伟,何家欢,&裴喜平.(2018).基于相空间重构和卷积神经网络的电能质量扰动分类.电力系统保护与控制,46(2018年14期),87-93.
MLA	陈伟,et al."基于相空间重构和卷积神经网络的电能质量扰动分类".电力系统保护与控制 46.2018年14期(2018):87-93.