基于堆栈降噪自编码网络的电力负荷识别
电力系统中负荷识别需要进行特征选择,而常见的人工方式特征选取比较困难.为解决负荷特征选择困难的问题,采用一种基于堆栈降噪自编码网络(SDAE)的电力负荷识别方法,能有效选取现场真实负荷波形的特征并加以识别,该方法是由一层后向传播的神经网络和多层降噪自编码器(DAE)构成.首先向数据信号中掺杂一定比例的噪声进行"破坏",然后采用"破坏"后的信号重构原始信号,进而得到数据信号的波形特征,最后采用BP神经网络对整个数据处理网络进行有效监督和微调.经过现场实时采集的电力负荷波形数据验证,相较于BP神经网络算法,该方法的识别效果更佳.实验结果显示,采用SDAE方法在8类电力负荷的识别中辨析识别率超过96％.
电力负荷、深度学习、堆栈降噪自编码网络、负荷识别
48
TM711(输配电工程、电力网及电力系统)
国网江西省电力有限公司科技项目521820180014
2022-06-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
163-168
