基于卷积神经网络和随机森林的三相电压暂降分类

摘要：

特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征.为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对三相电压暂降数据进行自动特征提取及分类.首先,将三相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类.为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法.实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段.

关键词： 电能质量 扰动识别 电压暂降 特征提取 卷积神经网络 随机森林

作者: 刘佳翰 陈克绪 马建 徐春华 吴建华

作者单位: 南昌大学信息工程学院,江西 南昌 330031 国网江西省电力公司电力科学研究院,江西 南昌 330096

会议类型: 国内会议

会议名称: 第十届中国智能电网学术研讨会

会议地点: 河南许昌

会议语种:中文

页码: 112-118

在线出版日期: 2019-04-19（万方平台首次上网日期，不代表论文的发表时间）