基于LSTM的电压暂降扰动分类方法

本发明属于电能质量分类识别技术领域，公开了一种基于深度学习长短期记忆网络(Long Short‑Term Memory,LSTM)算法的电压暂降扰动分类方法。本方法首先通过数据处理层对电压暂降扰动数据进行处理，然后通过两层LSTM网络提取特征值，再通过全连接层进行特征降维处理，最后采用sigmoid网络层进行分类识别。本发明通过深度学习算法提取电能质量暂降扰动相关特征，克服了复杂电网环境下，基于时域、频域以及变换域等物理特性的分类识别建模方法在适应性、算法效率和准确性方面面临的局限性。使用该模型可以很好地克服传统方法提取步骤繁琐复杂和可能丢失部分信号的原始特征等缺点，并改善了传统的循环神经网络(Recurrent Neural Network,RNN)容易发生梯度爆炸等缺陷，具有较高的电压暂降扰动识别准确率。