论文摘要
针对目前电力负荷自动识别中存在的人工选择特征困难的问题并且为了进一步提高识别精度,提出一种基于深度置信网络(DBN)的电力负荷识别方法。DBN是一种深度神经网络架构,在图像识别、语音识别以及电能质量扰动识别等领域有着成功的应用。DBN由多个受限玻耳兹曼机(RBMs)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个RBM进行充分训练,获取初始特征;然后将这些初始特征值作为训练数据训练下一个RBM以获取高级特征,以此类推;最后,通过反向传播算法采用监督方式微调整个DBN。实验结果表明所提方法在8种电力负荷类型的识别上有很好的效果,平均识别率超过98%。
论文目录
文章来源
类型: 期刊论文
作者: 徐春华,陈克绪,马建,刘佳翰,吴建华
关键词: 电力负荷,深度学习,受限玻耳兹曼机,深度置信网络,识别,对比散度
来源: 电工技术学报 2019年19期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 南昌大学信息工程学院,国网江西省电力有限公司电力科学研究院
基金: 国家自然科学基金项目(61662047),国网江西省电力有限公司科技项目(521820180014)资助
分类号: TM714
DOI: 10.19595/j.cnki.1000-6753.tces.181385
页码: 4135-4142
总页数: 8
文件大小: 1535K
下载量: 486