首页|基于注意力机制和双向长短期记忆网络的电能质量扰动识别

基于注意力机制和双向长短期记忆网络的电能质量扰动识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出一种基于深度学习的电能质量扰动信号分类新方法.该方法应用注意力机制和双向长短期记忆网络构建分类模型,并利用Matlab仿真产生训练数据集与验证数据集.考虑了7种常见的复合扰动信号,并将其作为序列数据直接输入到网络中进行训练和验证.实验结果表明,本方法能准确地识别不同的扰动信号,在验证集上模型的识别准确率可以达到99.7％.通过对比实验发现,应用注意力机制和双向长短期记忆网络的模型的识别能力要优于支持向量机和多层感知机等传统机器学习算法.
Recognition of Disturbances in Power Quality Signals Based on Attention Mechanism and Bi-directional Long Short-Term Memory

王以忠、栾振国、郭肖勇、许素霞、侯勇

展开 >

天津科技大学电子信息与自动化学院,天津300222

河北德瑞特电器有限公司,石家庄050000

电能质量 扰动分类 注意力机制 双向长短期记忆网络

201801003010

2021

10.13364/j.issn.1672-6510.20200094

天津科技大学学报
天津科技大学

天津科技大学学报

影响因子：0.269
ISSN：1672-6510
年,卷(期)：2021.38(4)
  • 1
  • 11