典型文献
基于稀疏降噪自编码的电能质量扰动识别研究
文献摘要：
针对传统电网电能质量扰动识别中特征向量提取精度不足、扰动信号识别率不高的问题,提出使用稀疏降噪自编码模型构建扰动分类识别网络.首先对扰动信号样本做降噪腐蚀处理,并对误差函数添加稀疏惩罚项和权重衰减项.然后采用梯度下降法求解误差偏导函数方程,增强了整个自编码模型的数据特征提取能力.最后选用Logistic分类器对特征向量做识别处理,经反向微调整合模型参数,提升了模型分类识别性能.仿真结果表明,所建模型在电能质量扰动分类识别训练速率、平均识别准确率方面优于文中其它测试模型,且泛化能力强,能以较高准确率快速识别出不同电能质量扰动信号.
文献关键词：
电能质量;特征提取;扰动识别;稀疏降噪自编码
中图分类号：
作者姓名：
邓鹏;张良力;王斌
作者机构：
武汉科技大学信息科学与工程学院,湖北 武汉430081;武汉科技大学人工智能学院,湖北 武汉430081
文献出处：
引用格式：
[1]邓鹏;张良力;王斌-.基于稀疏降噪自编码的电能质量扰动识别研究)[J].计算机仿真,2022(01):75-79
A类：
B类：
稀疏降噪自编码,扰动识别,电网电能,特征向量提取,信号识别,识别率,出使,自编码模型,分类识别,识别网络,腐蚀处理,误差函数,权重衰减,梯度下降法,偏导,导函数,函数方程,数据特征,特征提取能力,分类器,别处,微调,整合模型,模型分类,识别性,电能质量扰动分类,识别准确率,测试模型,泛化能力,快速识别,电能质量扰动信号
AB值：
0.316275
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
