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。