期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于小波降噪和深度学习的电能质量扰动分类方法 被引量:6
1
作者 刘烨 程杉 +2 位作者 王瑞 左先旺 徐敬伟 《电力系统及其自动化学报》 CSCD 北大核心 2022年第11期17-23,共7页
针对电能质量扰动信号在强噪声下识别准确率低的问题,提出了一种基于小波降噪和深度学习的电能质量扰动信号识别方法。在信号输入前,采用分层自适应阈值函数HATF(hierarchical adaptive threshold function)降噪法对信号降噪处理;接着... 针对电能质量扰动信号在强噪声下识别准确率低的问题,提出了一种基于小波降噪和深度学习的电能质量扰动信号识别方法。在信号输入前,采用分层自适应阈值函数HATF(hierarchical adaptive threshold function)降噪法对信号降噪处理;接着在卷积神经网络CNN(convolutional neural network)扰动分类方法之上,对网络加入扰动信号的时序性识别,构建了E-CNN(enhanced-conventional neural network)的融合网络模型提高对含噪信号的识别准确率。仿真结果显示,与信号未去噪时的卷积神经网络相比,引入降噪后的融合网络模型在强噪声环境下的识别准确率依然可以达到98.40%,可以有效分类6种单一扰动信号和4种复合扰动信号。 展开更多
关键词 电能质量扰动信号 小波降噪算法 分层阈值函数 深度学习 卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部