基于格莱姆角场和迁移学习的电能质量扰动分类研究OA
Research on Classification of Power Quality Disturbances Based on GAF and Transfer Learning
针对电能质量扰动(PQD)的分类,提出了一种基于格拉姆矩阵(GAF)和迁移学习的PQD分类方法.首先,采用GAF将一维的PQD信号数据转化为二维图片,然后将生成的图片采用改进过的迁移学习模型AlexNet进行图片的训练和分类,最终完成PQD的分类.最后采用IEEE 14模型仿真出不同类型的PQD信号并对所提方法进行验证,结果证明了所提方法的有效性.
裘星;尹仕红;张之涵;潘深琛;江敏丰;杨建明;郑建勇
深圳供电局有限公司,广东 深圳 440304深圳供电局有限公司,广东 深圳 440304深圳供电局有限公司,广东 深圳 440304深圳供电局有限公司,广东 深圳 440304深圳供电局有限公司,广东 深圳 440304深圳供电局有限公司,广东 深圳 440304东南大学电气工程学院,江苏南京 210096
信息技术与安全科学
电能质量扰动分类格拉姆矩阵迁移学习
《电器与能效管理技术》 2022 (7)
21-26,6
深圳供电局有限公司科技项目(090000KK52190185)
评论