期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
职称材料
题名
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
王瑞
左先旺
徐敬伟
机构
三峡大学电气与新能源学院
电力系统智能运行与安全防御宜昌市重点实验室(三峡大学)
国网山东省电力公司东营供电公司
出处
《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
基金
国家自然科学基金资助项目(51607105)。
文摘
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。
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
Keywords
power quality disturbance signal
wavelet denoising algorithm
hierarchical threshold function
deep learning
convolutional neural network(CNN)
分类号
TM73 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于小波降噪和深度学习的电能质量扰动分类方法
刘烨
程杉
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
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部