基于多级注意力机制融合的电能质量扰动点分类及时间定位方法研究OA北大核心CSTPCD
Research on Multi-level Attention Mechanism Optimized Method for Point Classification and Time Interval Identification of Power Quality Disturbances
随着新能源渗透率的不断提高,电网所受电能质量扰动(power quality disturbances,PQD)变得更加复杂,传统方法难以准确识别扰动类型并定位扰动时间.因此,该文提出一种基于多级注意力机制融合的PQD点分类及时间定位方法.该方法以卷积神经网络为基础建立分类模型,在预处理和模型内部分别嵌入局部特征注意力机制(local feature attention mechanism,LFAM)和双尺度注意力机制(dual-scale at…查看全部>>
As the penetration of renewable energy increases rapidly,the power quality disturbance(PQD)is becoming more and more complex,making it difficult for traditional methods to accurately identify the PQD and locate the time interval.To address this problem,this paper proposes a PQD point classification and time interval identification method based on the incorporation of multi-level attention mechanism.The classification model is constructed by using convolution…查看全部>>
刘宇龙;崔宪阳;袁丁;金涛
福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108智能配电网装备福建省高校工程研究中心,福建省 福州市 350108
动力与电气工程
电能质量扰动点分类时间定位深度学习注意力机制融合模型
power quality disturbance(PQD)point classificationtime interval identificationdeep learningattention mechanismfusion model
《中国电机工程学报》 2024 (11)
4298-4310,中插10,14
国家自然科学基金项目(51977039). Project Supported by National Natural Science Foundation of China(51977039).
评论