基于迁移学习的电能质量扰动分类方法研究

• 作者: 廖天明 纪坤华 陈新
• 来源期刊: 电气时代
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 供配用电
• 页码范围: 57-58
• 页数: 2页
• 语种: 中文

摘要

电能质量问题是目前配电网研究的热点.针对电能质量扰动识别困难的问题, 提出一种基于迁移学习的电能质量扰动分类方法.试验结果表明, 迁移学习方法对电能质量扰动具有良好的分类准确性和抗噪性. 电力系统中电能质量扰动种类繁多, 受噪声影响, 而且还可能多种扰动复合, 导致电能质量扰动分类难度很大.电能质量扰动的准确识别, 是进行电能质量分析与评估的前提和基础, 为配电网中电能质量的管理和治理提供辅助决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖天明		10	26	3.0	4.0
2	陈新		5	3	1.0	1.0
3	纪坤华		7	23	3.0	4.0