基于双分辨率S变换和改进的多尺度ResNet模型的电能质量扰动检测方法OA北大核心CSTPCD

准确的电能质量扰动检测对改善智能电网中电能质量问题、保证电网安全可靠运行具有重要意义。对此,提出一种基于双分辨率S变换和改进的多尺度ResNet模型的电能质量扰动信号的检测方法。首先,利用双分辨率S变换准确提取电能质量扰动信号的时频特征向量;其次,提出利用Mish函数代替传统ReLU激活函数来改进ResNet,再利用不同卷积核大小的改进ResNet模型对复杂电能质量扰动信号进行特征学习与扰动分类;然后,在不增加网络参数的情况下,提出利用轻量级通道注意力(efficient channel attention,ECA)对电能质量扰动检测分类结果影响较大的重要特征分配更大的权重值,提升模型的分类性能。最后,实验结果表明,与其他电能质量扰动检测方法相比,所提方法具有更高的准确率和抗噪性。