一种基于改进深度学习算法的电能质量扰动识别方法

摘要

本发明涉及一种基于改进深度学习算法的电能质量扰动识别方法，包括步骤：1)获取电压暂升信号、电压暂降信号、电压中断信号、谐波信号、电压尖峰信号、电压切痕信号、闪变信号、振荡暂态信号和脉冲暂态信号的九种单一扰动信号及复合电能质量扰动信号；2)结合迁移学习与深度学习，确定预训练深度卷积神经网络模型AlexNet的最佳特征层，冻结参数，进行模型迁移；3)采用SVM代替迁移后的模型的Softmax分类器，获取模型中新的全连接层；4)利用单一扰动信号和复合电能质量扰动信号对最新模型的参数进行微调，完成模型的训练和电能质量扰动信号识别。与现有技术相比，本发明具有避免部分信号丢失，提高训练效率、提高分类准确率等优点。