摘要
电力电子设备的多样性和精密控制设备等敏感设备的大量使用,对电能质量扰动中电压暂降原因的识别提出了巨大的挑战.电压暂降原因可分为单一电压暂降源和复合电压暂降源,本文提出一种基于深度学习算法中的受限玻尔兹曼机的电压暂降原因识别方法,通过构建深度置信网络,自动获取各种电压暂降源的波形信息的抽象特征参数,采用softmax分类器进行多标签分类,克服了人工特征选取容易丢失信息、传统模型过于复杂以及泛化能力不足的缺点.基于噪声处理的实验仿真数据对该方法进行验证,结果表明,该方法对于单一和复合电压暂降原因的识别结果准确率高,标签错(漏)分率低,具有良好的泛化能力和抗干扰性,能够有效地应用于实际电力系统中.
NETL