典型文献
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
文献摘要：
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.
文献关键词：
电能质量扰动;卡尔曼滤波;深度置信网络;扰动分类
中图分类号：
作者姓名：
陈子璇;席燕辉;沈银
作者机构：
长沙理工大学电气与信息工程学院,湖南 长沙 410114
文献出处：
引用格式：
[1]陈子璇;席燕辉;沈银-.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)[J].电力系统保护与控制,2022(07):81-90
A类：
B类：
卡尔曼滤波,深度置信网络,复合电能质量,电能质量扰动分类,针对实际,最大似然,扰动识别,始扰动,去噪,除噪声,噪声水平,电能质量扰动信号
AB值：
0.172944
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。
