基于图卷积神经网络和格拉姆角场的电能质量扰动分类OACSTPCD
由于新能源系统的广泛加入,系统中的电能质量扰动数量和种类也相应增加,而传统电能质量扰动(PQD)分类方法存在准确率和效率不高的问题,难以适应现有包含高新能源渗透率的电力系统的电能质量管理。因此,提出了一种基于图卷积神经网络(GCNNs)和格拉姆角场(GAF)的电能质量扰动分类方法。首先,对原始的PQD信号进行归一化和极坐标转化处理;然后采用GAF对不同种类的PQD一维信号进行图形化转换,生成包含不同PQD特征的二维图片;最后,采用GCNNs对不同…查看全部>>
黄光磊;田启东;林志贤;郑炜楠;徐特;李冰然
深圳供电局有限公司,广东深圳310030深圳供电局有限公司,广东深圳310030深圳供电局有限公司,广东深圳310030深圳供电局有限公司,广东深圳310030深圳供电局有限公司,广东深圳310030国家电网江苏省电力有限公司,江苏苏州215000
动力与电气工程
电能质量扰动图卷积神经网络格拉姆角场扰动分类
《电气传动》 2024 (3)
P.84-90,7
国网江苏省电力有限公司科技项目(J2019124)。
评论