本文主要研究内容
作者郑智聪,王红,齐林海（2019）在《基于深度学习模型融合的电压暂降源识别方法》一文中研究指出：电压暂降源的识别是制定电压暂降治理方案和明确事故责任的基础。电压暂降源可分为单一电压暂降源和复合电压暂降源,电网设备的复杂化和用电模式的区域化对基于物理特征的传统电压暂降源识别方法提出了新的挑战。该文提出一种基于模型融合的电压暂降源识别方法,通过深度学习算法中的卷积神经网络获取电压暂降信号的时序特征和空间特征,采用深度置信网络替换卷积神经网络中用于提纯高维特征和起分类器作用的全连接层,从而增强网络的多标签分类能力。利用仿真和加噪数据对网络进行迭代训练和反复测试,验证了融合模型的高识别精度和抗噪性能。对比传统的电压暂降源识别方法,生成的模型具有良好的泛化能力,能够有效应用于实际工程中。
Abstract
dian ya zan jiang yuan de shi bie shi zhi ding dian ya zan jiang zhi li fang an he ming que shi gu ze ren de ji chu 。dian ya zan jiang yuan ke fen wei chan yi dian ya zan jiang yuan he fu ge dian ya zan jiang yuan ,dian wang she bei de fu za hua he yong dian mo shi de ou yu hua dui ji yu wu li te zheng de chuan tong dian ya zan jiang yuan shi bie fang fa di chu le xin de tiao zhan 。gai wen di chu yi chong ji yu mo xing rong ge de dian ya zan jiang yuan shi bie fang fa ,tong guo shen du xue xi suan fa zhong de juan ji shen jing wang lao huo qu dian ya zan jiang xin hao de shi xu te zheng he kong jian te zheng ,cai yong shen du zhi xin wang lao ti huan juan ji shen jing wang lao zhong yong yu di chun gao wei te zheng he qi fen lei qi zuo yong de quan lian jie ceng ,cong er zeng jiang wang lao de duo biao qian fen lei neng li 。li yong fang zhen he jia zao shu ju dui wang lao jin hang die dai xun lian he fan fu ce shi ,yan zheng le rong ge mo xing de gao shi bie jing du he kang zao xing neng 。dui bi chuan tong de dian ya zan jiang yuan shi bie fang fa ,sheng cheng de mo xing ju you liang hao de fan hua neng li ,neng gou you xiao ying yong yu shi ji gong cheng zhong 。
论文参考文献
论文详细介绍
论文作者分别是来自中国电机工程学报的郑智聪,王红,齐林海，发表于刊物中国电机工程学报2019年01期论文，是一篇关于电压暂降论文,模型融合论文,深度学习论文,卷积神经网络论文,深度置信网络论文,中国电机工程学报2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国电机工程学报2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：电压暂降论文; 模型融合论文; 深度学习论文; 卷积神经网络论文; 深度置信网络论文; 中国电机工程学报2019年01期论文;