基于深度强化学习与模式挖掘的宽频振荡分类方法

本申请涉及电力传输技术领域，尤其是一种基于深度强化学习与模式挖掘的宽频振荡分类方法。本申请提出的基于深度强化学习与模式挖掘的宽频振荡分类方法，通过将电网线路里的电压、电流等多元时序数据编码为单变量的聚类序列，然后利用从聚类序列中提取的候选模式学习多模式时间序列，并通过强化学习模块训练出判别模式，同时训练分类模型。本申请从多模式时间序列用神经网络映射出该样本的类别，并采用强化学习方法对多模式时间序列进行更新，能够在借助神经网络高度拟合的优势的同时，保证了该分类方法具有一定程度的可解释性，同时能够在实现分类算法的同时有效探索宽频震荡现象中存在的数据间的时序关系；克服了现有震荡分类方法低准确度低效的问题。