基于马尔可夫转换场与多头注意力机制的电能质量扰动分类方法OA北大核心CSTPCD
Power Quality Disturbances Classification Based on Markov Transition Field and Multi-head Attention
新型电力系统中的电能质量扰动愈加复杂,为提升电能质量复杂扰动分类准确率并增强算法的噪声鲁棒性,提出了一种基于马尔可夫转换场与多头注意力机制的电能质量扰动分类方法.首先,利用马尔可夫转换场对电能质量扰动时序数据进行模态变换,得到图像模态数据;然后,将图像模态数据输入卷积神经网络进行特征提取;最后,利用多头注意力机制着重关注卷积神经网络提取特征的重要部分并进行扰动分类.与常规的图像模态转换方法相比,该方法具有更好的扰动分类效果与抗噪声能力.
Power quality disturbances in the new power systems have become more complex.In order to improve the classification accuracy of the complex power quality disturbances and enhance the noise robustness of the algorithm,a power quality disturbances classification based on the Markov transition field and the multi-head attention is proposed.Firstly,the Markov transition field is used to transform the power quality disturbances time sequence data,and the image mo…查看全部>>
钱倍奇;陈谦;李宗源;张政伟;牛应灏
河海大学能源与电气学院,江苏省 南京市 211100河海大学能源与电气学院,江苏省 南京市 211100河海大学能源与电气学院,江苏省 南京市 211100河海大学能源与电气学院,江苏省 南京市 211100河海大学能源与电气学院,江苏省 南京市 211100
动力与电气工程
电能质量扰动深度学习马尔可夫转换场多头注意力机制
power quality disturbancesdeep learningMarkov transition fieldmulti-head attention
《电网技术》 2024 (2)
721-729,中插54-中插57,13
国家自然科学基金面上项目(51305011).Project Supported by National Natural Science Foundation of China(51305011).
评论