一种实时电能质量扰动识别分类方法

摘要

针对电能质量扰动数据大,识别算法繁琐,难以实现,现在线实时识别等问题,提出基于深度卷积神经网络AlexNet电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类.通过实时仿真表明,此方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题.该方法只需要对电能质量扰动信号进行学习后,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的.