论文部分内容阅读
随着社会经济的快速发展,用电用户对电能的需求越来越大。此外,电力来源及电力负荷变得更加多样化,使得电能质量扰动现象逐日增加。为了更好地治理电能质量扰动带来的各种负面影响,学术和工程界进行了大量的研究工作并取得了一系列的成果。综合文献可知,治理电能质量扰动的关键首先需正确地判断出扰动类型,从而采用对应的恰当方法进行治理与补偿。然而,当前扰动识别的方法多数从特征提取出发,对样本特征进行人工选择以后再进行分类,这不利于大样本下的实际电能质量扰动信号的识别。因此,本文在传统识别算法的基础上,将深度学习融入电