基于VGG16图像特征提取和SVM的电能质量扰动分类

摘要：

针对传统电能质量扰动分类方法需人工选取特征量,易受人为经验干扰的问题,提出一种基于VGG16 图像特征提取和支持向量机(SVM)结合的电能质量扰动分类方法.通过格拉姆角场(GAF)将电能质量扰动信号映射到极坐标系中,生成格拉姆矩阵,并转换为二维扰动图像;利用VGG16 网络自动提取图像特征的特点,将扰动图像输入VGG16网络中进行提取;将提取的特征数据作为SVM分类器的输入,并引入十折交叉验证对SVM进行训练,以提升分类器的性能,最后对扰动信号进行准确分类.仿真结果表明,该方法对于电能质量扰动的分类具有较高的准确率.

关键词：电能质量、扰动分类、格拉姆角场、VGG16网络、支持向量机、十折交叉验证

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;国网湖北省电力有限公司科技项目

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13