基于优化广义S变换和混合输入神经网络的电能质量扰动识别OA北大核心
利用广义S变换时频矩阵中时间最大幅值曲线和频率最大幅值曲线与电能质量信号幅值和频谱包络线的相关性,提出优化广义S变换的方法对高斯窗函数参数进行自适应选取,充分保留了电能质量扰动的幅值和频率特征。然后提出一种混合输入神经网络框架,分别对原始时间序列和优化广义S变换得到的时频矩阵进行自动特征提取,最后将2种输入提取到的特征进行组合并利用全连接层来识别扰动类型。通过对包含26种电能质量扰动类型的仿真数据集进行训练和验证,结果表明所述方法对扰动识别准确率为99.77%;然后对2种实际电网扰动信号进行测试,对扰动识别准确率仍然能达到92.5%,高于传统单一输入神经网络。
刘海涛;武祥;张淑清;刘大鹏;刘勇;穆勇
燕山大学电气工程学院,河北秦皇岛066004 华北理工大学电气工程学院,河北唐山063210燕山大学电气工程学院,河北秦皇岛066004燕山大学电气工程学院,河北秦皇岛066004国网冀北电力有限公司唐山供电公司,河北唐山063000国网冀北电力有限公司唐山供电公司,河北唐山063000国网冀北电力有限公司唐山供电公司,河北唐山063000
电学计量电能质量扰动识别S变换卷积神经网络混合输入
《计量学报》 2025 (1)
P.53-61,9
国家自然科学基金(52275067)河北省自然科学基金重点项目(F2020203058)国网冀北电力有限公司唐山供电公司项目(SGJBTS00FZJS2311425)。
评论