| 基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别 |
| |
| 引用本文： | 毕贵红,鲍童语,陈臣鹏,赵四洪,陈仕龙,张梓睿.基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别[J].电力系统保护与控制,2024,52(4):12-25. |
| |
| 作者姓名： | 毕贵红 鲍童语 陈臣鹏 赵四洪 陈仕龙 张梓睿 |
| |
| 作者单位： | 昆明理工大学电力工程学院，云南 昆明 650500 |
| |
| 基金项目： | 国家自然科学基金项目资助(51767012) |
| |
| 摘 要： | 能源互联网背景下的电能质量问题越来越凸显，针对传统电能质量扰动(powerqualitydisturbances, PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题，提出了一种混合分量多尺度时频图和残差神经网络(residual neural network, ResNet)、门控循环单元(gated recurrent units, GRU)网络与注意力机制(attention, AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT。首先利用奇异谱分解(singularspectrum decomposition, SSD)和逐次变分模态分解(successive variational mode decomposition, SVMD)对PQDs信号分别进行多尺度分解得到混合分量，再对混合分量进行希尔伯特黄变换(Hilbert-Huang transform, HHT)，分析得到多尺度时频图。其次，利用Res-GRU-AT模型对多尺度时频图进行深层次特征提取、强化和识别。Res-GRU-AT模型能够利用ResNet的二维图像空间特征提取能...
|
| 关 键 词： | 电能质量 故障识别 时频分析 混合模式分解 深度学习 |
| 收稿时间： | 2023/3/10 0:00:00 |
| 修稿时间： | 2023/12/31 0:00:00 |
Composite PQDs identification based on a hybrid decomposition multi-scale time-frequency
map and Res-GRU-AT |
| |
| BI Guihong,BAO Tongyu,CHEN Chenpeng,ZHAO Sihong,CHEN Shilong,ZHANG Zirui.Composite PQDs identification based on a hybrid decomposition multi-scale time-frequency
map and Res-GRU-AT[J].Power System Protection and Control,2024,52(4):12-25. |
| |
| Authors: | BI Guihong BAO Tongyu CHEN Chenpeng ZHAO Sihong CHEN Shilong ZHANG Zirui |
| |
| Affiliation: | School of Electric Power Engineering, Kunming University of Science and Technology, Kunming 650500, China |
| |
| Abstract: | |
| |
| Keywords: | power quality fault identification time and frequency analysis hybrid decomposition deep learning |
|
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
|
