一种基于DBN-ELM的电能质量扰动信号分类方法

摘要

本发明公开一种基于DBN‑ELM的电能质量扰动信号分类方法，属于信号分类技术领域。该方法利用深度信念网络DBN对扰动信号进行特征提取，在搭建DBN时利用改进的量子粒子群算法对DBN网络中的每个RBM的学习速率进行寻优，再利用极限学习机ELM对提取的特征进行分类，得到电能质量扰动信号的类别。该方法充分利用了深度学习的特点，提高了分类准确率以及抗噪性，使得单一扰动和复合扰动均能得到准确的分类。