买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开了一种基于深度学习的电能质量分析与识别方法，包括采集待检测的电能信号，将待检测的电能信号随机分为训练样本集和测试样本集，将训练样本集输入到长短期记忆网络LSTM模型中进行训练，获得训练后的LSTM模型，将测试样本集输入到训练后的LSTM模型中测试电能质量扰动分类情况。本发明用长短时记忆网络作为电能信号分类的模型，通过Softmax函数和反向传播算法对该模型进行训练，使其快速达到收敛，避免了人为介入进行特征提取，直接实现电能质量信号分类，减小了误差，提高了识别精度，实用性较强。

主权项：1.一种基于深度学习的电能质量分析与识别方法，其特征在于，包括采集待检测的电能信号，将待检测的电能信号随机分为训练样本集和测试样本集，将训练样本集输入到长短期记忆网络LSTM模型中进行训练，获得训练后的LSTM模型，将测试样本集输入到训练后的LSTM模型中测试电能质量扰动分类情况；具体包括以下步骤：步骤1，采集多个时间段内的待检测电能信号，将采集的信号随机分为训练样本集和测试样本集，将训练样本集中信号按照时间先后顺序拼接为一个大信号，即训练集信号，将测试样本集中信号按照时间先后顺序拼接为一个大信号，即测试集信号；步骤2，构建长短期记忆神经网络LSTM模型，所述LSTM模型包括输入层、隐藏层和输出层；步骤3，训练LSTM模型，从训练集信号中选取采样点输入到LSTM模型中训练，修正LSTM模型内矩阵的权值，利用样本输出值和目标值之差更新LSTM模型中参数，在训练次数达到预设值时，获得训练后的LSTM模型；所述步骤3包括以下步骤：步骤3.1，将构建的LSTM模型中隐藏层和状态层初始化为随机数；步骤3.2，从训练集信号中选取一个采样点X,Ylabel输入到LSTM模型的输入层，经过隐藏层计算后，输出到输出层，得到Yout；步骤3.3，使用Softmax函数处理输出层结果，输出处理多神经元输出，在得到多个神经元的输出后，softmax分类器将输出映射到0,1区间内，为每个输出分类的结果都赋予一个概率值，在最后选取输出结点的时候，选取概率最大结点，作为预测目标；步骤3.4，将Ylabel和Yout进行比较，得到误差项，将所述误差项输入到反向传播算法中进行反向传播训练，优化LSTM模型，在每一个时阶都进行一次输出，计算样本输出值与目标值的误差Ed，利用该误差更新神经网络的权重，获得训练后的LSTM模型；步骤4，将测试集信号输入训练后的LSTM模型中进行测试，LSTM模型输出电能质量扰动分类结果。

全文数据：

权利要求：

百度查询： 西安理工大学 一种基于深度学习的电能质量分析与识别方法