申请/专利权人：国网浙江省电力有限公司营销服务中心;郑州艾普世科技有限公司

申请日：2023-12-29

公开（公告）日：2024-04-26

公开（公告）号：CN117932402A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06F18/25;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于一维CNN多模型融合电能质量扰动分类方法及系统，步骤一、构建基于原始信号的时域一维CNN模型；步骤二、构建基于傅里叶变换的频域一维CNN模型；步骤三、构建基于小波变换的时频域一维CNN模型；步骤四、根据构建的时域一维CNN模型、频域一维CNN模型和时频域一维CNN模型，基于BP神经网络构建参数可学习的结果融合模型；步骤五、通过结果融合模型进行电能质量扰动分类；本申请在计算量、准确率、抗噪声等各方面的综合表现突出，特别是抗噪性能明显优于其他方法，能够在高噪声条件下保持较高的准确率；同时具有通用性，便于进行模型扩展，可引入更多PQD分类模型进行更大规模的融合，进一步挖掘分类方法的潜力。

主权项：1.一种基于一维CNN多模型融合电能质量扰动分类方法，其特征在于：包括以下步骤：步骤一、构建基于原始信号的时域一维CNN模型；步骤二、构建基于傅里叶变换的频域一维CNN模型；步骤三、构建基于小波变换的时频域一维CNN模型；步骤四、根据构建的时域一维CNN模型、频域一维CNN模型和时频域一维CNN模型，基于BP神经网络构建参数可学习的结果融合模型；步骤五、通过结果融合模型进行电能质量扰动分类。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司营销服务中心;郑州艾普世科技有限公司 一种基于一维CNN多模型融合电能质量扰动分类方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD