摘要
本发明提供一种电能质量扰动神经网络输出层结构和标签设计方法,包括以下步骤:S1.确定输入的电能质量扰动类型;S2.确定选用的相关神经网络模型网络;S3.修改选用的网络模型结构,使其与输入的数据进行匹配;S4.修改神经网络模型的最后一层,编写损失函数;S5.对电能质量扰动信号适配进行处理,依据硬件结构确定变比,即确定标准信号以及训练的标准信号的标签;S6.利用标准信号训练神经网络;S7.将步骤S6得到的网络进行部署,并将输出数据进行处理;S8.将数据输出到专用记录设备和显示设备上。本发明解决了复合电能质量扰动互斥标签的同时出现,同时亦满足了类间标签的相互组合要求,为工程应用做出了极强的输出正确性保证。
技术关键词
标签设计方法
神经网络输出层
神经网络模型
电能
网络模型结构
专用记录
训练神经网络
损失函数计算方法
变电站互感器
深度学习平台
损失函数设计
信号
数据
更新模型参数
显示设备
样本
居民用电
校准方法
系统为您推荐了相关专利信息
风险预警方法
深度神经网络模型
标记
模糊集合
模糊推理
发电功率预测方法
神经网络模型
预测发电功率
聚类
发电功率预测系统
弹簧蓄能密封圈
液滑环
单点系泊系统
优化设计方法
关键结构参数
极限学习机算法
编码器算法
神经网络算法
分类器模型
超分辨率