机构名称：
¥ 1.0
为了提高神经网络的电质量干扰识别能力，本文研究了基于深度学习的功率质量识别和分类方法：构建功率质量扰动模型，生成训练集；构建深度神经网络；培训训练设置为深度神经网络培训；验证深度神经网络的性能；结果表明，即使在最严重的20dB噪声条件下，训练集被随机添加20dB-50dB噪声，它也可以达到99％以上的识别，这是一种传统。该方法无法实现。结论：基于最深的学习质量干扰识别和分类方法克服了人工特征的选择步骤的劣势，较差的强大功能，这对更准确，更准确，快速迅速发现功率质量问题的类别是有益的。
功率质量干扰识别和优化...
主要关键词
相关文件推荐
