基于卡尔曼滤波和深度置信网络的复合电能质量扰动分类

针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法.首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪.然后,通过深度置信网络对去除噪声的扰动信号进行训练、分类,以此实现电能质量扰动类型的识别.最后,在20类不同噪声水平下的电能质量扰动信号上进行测试.由仿真结果可知,在不同的噪声水平下,该方法都具有较高的分类正确率,表明了该方法的有效性及对噪声的强鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 50; no. 7; pp. 81 - 90
Main Authors 陈子璇, 席燕辉, 沈银
Format Journal Article
LanguageChinese
Published 长沙理工大学电气与信息工程学院,湖南 长沙 410114 01.04.2022
Subjects
电能质量扰动;卡尔曼滤波;深度置信网络;扰动分类
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.210955

Cover

More Information
Summary:针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法.首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪.然后,通过深度置信网络对去除噪声的扰动信号进行训练、分类,以此实现电能质量扰动类型的识别.最后,在20类不同噪声水平下的电能质量扰动信号上进行测试.由仿真结果可知,在不同的噪声水平下,该方法都具有较高的分类正确率,表明了该方法的有效性及对噪声的强鲁棒性.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.210955