-
题名基于双分支并联的特征融合电能质量扰动分类方法
被引量：7
- 1
-
-
作者
王飞
王立辉
周少武
赵才
张志飞
-
机构
佛山科学技术学院机电工程与自动化学院
湖南科技大学机电工程与自动化学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第5期178-187,共10页
-
基金
国家自然科学基金项目资助(51277056)
湖南省自然科学基金项目资助(2021JJ30280)。
-
文摘
为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取。然后,通过特征融合模块将这些特征融合在一起。最终,通过分类模块对PQDs进行准确分类。相对于串联神经网络,所提方法融合特征向量,增强了特征的区分度,同时适用于并行计算,进一步提高了识别速度。仿真结果表明,所提方法在叠加信噪比为13 dB、15 dB和18 dB的PQDs分类任务中,识别率均超过95%,此外,该方法对异常数据的分类效果也具有一定的鲁棒性。
-
关键词
一维卷积神经网络
一维残差神经网络
特征提取
扰动分类
-
Keywords
one-dimensional convolutional neural network
one-dimensional residual neural network
feature extraction
disturbance classification
-
分类号
TM711
[电气工程—电力系统及自动化]
-
