基于MTF和ConvNext的电能质量复合扰动识别OA
Power quality composite disturbance identification based on MTF and ConvNext
针对新型电力系统中电能质量扰动识别时特征冗余、识别精度低、抗噪能力不强的问题,提出一种基于马尔可夫转换场与ConvNext的电能质量扰动分类方法.首先,利用马尔可夫转换场将一维电能质量扰动数据在保留时间相关性的同时,将其转化为二维特征图像;其次,将得到的二维特征图像输入ConvNext进行自动特征提取,从而实现对电能质量扰动的分类.结果表明,该方法有效识别电能质量扰动,并能克服噪声干扰对模型的影响.
王勇恒;李沁;刘亚冲;王超
湖北民族大学智能科学与工程学院,湖北恩施 445000湖北民族大学智能科学与工程学院,湖北恩施 445000湖北民族大学智能科学与工程学院,湖北恩施 445000湖北民族大学智能科学与工程学院,湖北恩施 445000
电子信息工程
马尔可夫转移场ConvNext电能质量扰动
Markov transfer fieldConvNextpower quality disturbance
《通信与信息技术》 2023 (6)
6-9,4
评论