基于双通道GAF和深度残差网络的电能质量复合扰动识别

摘要：

针对传统电能质量扰动(power quality disturbances,PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种利用格拉姆角场(Gramain angular fields,GAF)和深度残差网络(residual network,ResNet)进行复合扰动识别的方法.首先对一维时间序列PQDs信号进行标准化与极坐标编码,然后采用双通道GAF方法保留信号时序特征并映射成为二维图像,形成信息充足、特征明显的双通道图像训练集,在此基础上利用ResNet进行深层次的特征提取,构造适用于复合PQDs分类的网络框架.仿真实验表明该方法特征提取能力强,且抗噪性能好,并且对复合扰动识别率高.

关键词：电能质量扰动、格拉姆角场、二维图像、深度残差网络、扰动识别

所属期刊栏目：47

分类号：TM721(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52077089

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：369-376,中插75-中插77