[发明专利]一种电能质量扰动分类方法

权利要求书

1.一种电能质量扰动分类方法，采用Imagenet图像分数据集和AlexNet卷积神经网络模型，将电能扰动波形集按照扰动产生的原因进行分类，所述AlexNet卷积神经网络模型第一至第五层为卷积层，第六至第八层为全连接层，最后还接有一个Softmax分类层，其特征在于，包括以下步骤：

S1、将Imagenet图像数据集作为源数据集，训练得到提取了Imagenet图像数据集固有抽象特征的AlexNet卷积神经网络模型；

S2、基于迁移学习原理进行特征迁移，利用步骤S1中所训练的AlexNet卷积神经网络模型，建立新的AlexNet卷积神经网络模型；

S3、随机初始化Softmax分类层的参数；

S4、将每个待分类的电能质量扰动信号波形图像转换为227*227*3像素；将所述转换后的图像作为新的AlexNet卷积神经网络模型的输入，对新的AlexNet卷积神经网络模型进行训练，并从Softmax分类层得到电能质量扰动信号波形的分类结果；

S5、生成多种扰动方式的电能质量扰动信号，验证经电能质量扰动信号波形图像训练过的AlexNet卷积神经网络模型的分类正确率。

2.如权利要求1所述的电能质量扰动分类方法，其特征在于，所述Imagenet图像分数据集，具体为Imagenet图像分类比赛所用数据集ILSVRC-2011数据集，包含120万张已分类照片。

3.如权利要求1所述的电能质量扰动分类方法，其特征在于，步骤S2所述的建立新的AlexNet卷积神经网络模型，具体是指，将将步骤S1中Imagenet图像数据集所训练的AlexNet卷积神经网络模型，最后一个全连接层替换为一个新的全连接层。

4.如权利要求1所述的电能质量扰动分类方法，其特征在于，所述步骤S3中所述的初始化Softmax分类层的参数，具体是指：将Softmax的输出类别改为本文扰动类别数，WeightLearnRateFactor和BiasLearnRateFactor的参数值，皆设为50，初始学习率为0.0001，最大训练周期数为8。

5.如权利要求1所述的一种电能质量扰动分类方法，其特征在于，步骤S5具体包含以下步骤：

S51：按照扰动方式，在MATLAB环境中随机产生9种单一扰动以及17种双重扰动，共计26种电能质量扰动仿真信号；

S52、根据电能质量单一扰动模型表达式，建立数学模型，对所述仿真信号进行分类；

S53：利用步骤S4所训练的AlexNet卷积神经网络模型对仿真信号进行训练和测试，依据分类结果验证新的AlexNet卷积神经网络模型的分类正确率。

6.如权利要求5所述的一种电能质量扰动分类方法，其特征在于，步骤S51所述9种单一扰动，具体是指暂升、暂降、中断、谐波、尖峰、切痕、闪变、振荡和脉冲这九种扰动。

7.如权利要求5所述的一种电能质量扰动分类方法，其特征在于，步骤S51所述26种双重扰动，具体是指暂升加谐波、暂升加闪变、暂升加振荡、暂升加脉冲、暂降加谐波、暂降加闪变、暂降加振荡、暂降加脉冲、中断加谐波、中断加闪变、中断加振荡、中断加脉冲、谐波加闪变、谐波加振荡、谐波加脉冲、闪变加振荡、闪变加脉冲这26种双重扰动。