-
公开(公告)号：CN114372495B
公开(公告)日：2022-05-27
申请号：CN202210280458.1
申请日：2022-03-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度空间残差学习的电能质量扰动分类方法及系统，本发明包括将多种类型的电能质量扰动信号输入预先训练好的深度空间残差模型来将获得电能质量扰动信号的分类结果，深度空间残差模型包括：空间残差模块，用于提取空间信息；特征融合模块，主要用于融合输入电能质量扰动信号数据的空间信息和序列信息；特征提取模块用于提取特异性特征；分类模块用于区分出不同类别的电能质量扰动信号得到分类结果。本发明能够自动提取扰动信号特征，不用人工参与设计特征，避免了人工设计特征的繁琐步骤，而且本发明方法具有很好的抗干扰能力以及精准的分类检测能力，在强噪声环境下能够对多种复杂的电能质量扰动信号实现精准的分类。
-
公开(公告)号：CN114372495A
公开(公告)日：2022-04-19
申请号：CN202210280458.1
申请日：2022-03-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度空间残差学习的电能质量扰动分类方法及系统，本发明包括将多种类型的电能质量扰动信号输入预先训练好的深度空间残差模型来将获得电能质量扰动信号的分类结果，深度空间残差模型包括：空间残差模块，用于提取空间信息；特征融合模块，主要用于融合输入电能质量扰动信号数据的空间信息和序列信息；特征提取模块用于提取特异性特征；分类模块用于区分出不同类别的电能质量扰动信号得到分类结果。本发明能够自动提取扰动信号特征，不用人工参与设计特征，避免了人工设计特征的繁琐步骤，而且本发明方法具有很好的抗干扰能力以及精准的分类检测能力，在强噪声环境下能够对多种复杂的电能质量扰动信号实现精准的分类。
-
Search Results
2
records
(took 0.015 seconds)
