|
|||||
|
|
| 基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别 | |
| 作者姓名： | 付宽 王洪新 刘杰 郭靖 唐志勇 欧洋 陈家乐 |
| 作者单位： | 1. 国网新疆阿克苏供电公司;2. 四川大学电气工程学院 |
| 基金项目： | 国家自然科学基金项目（52277113）；国网新疆电力有限公司科技项目（D230AD230010）。 |
| 摘 要： | 新型电力系统中电能质量扰动问题愈加复杂和严重，多种电能质量扰动同时出现，导致传统算法识别准确率降低。 提出一种基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别算法。采用马尔可夫变迁场将电能质量扰动信号可视化映射为二维特征图像；通过EfficientNet卷积神经网络处理图像数据，实现扰动信号的特征提取；利用神经架构搜索自动调节卷积神经网络超参数进行网络训练，建立电能质量扰动分类识别模型。仿真结果表明，所提方法能够准确高效地提取扰动信号特征，对复合电能质量扰动分类效果好且抗噪声能力强。 |
| 关 键 词： | 电能质量 电能质量扰动识别 马尔可夫变迁场 卷积神经网络 特征提取 模式识别 |
Recognition of Composite Power Quality Disturbances Based on MTF-EfficientNet Convolutional Neural Network |
|
| Authors: | FU Kuan WANG Hongxin LIU Jie GUO Jing TANG Zhiyong OU Yang CHEN Jiale |
| Abstract: | |
| Keywords: | |
| 点击此处可从《》浏览原始摘要信息 | |
| 点击此处可从《》下载全文 | |
