一种实时电能质量扰动识别分类方法

• 作者: 孙伟 张立鹏 秦刚 董继 郑岩
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 电力系统 深度卷积神经网络 AlexNet 复合扰动 电能质量
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术
• 页码范围: 50-54
• 页数: 5页
• 分类号: TM761
• 字数: 3590字
• 语种: 中文
• DOI: 10.7535/hbgykj.2019yx01009

摘要

针对电能质量扰动数据大,识别算法繁琐,难以实现,现在线实时识别等问题,提出基于深度卷积神经网络AlexNet电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类.通过实时仿真表明,此方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题.该方法只需要对电能质量扰动信号进行学习后,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙伟		4	3	1.0	1.0
2	张立鹏		2	2	1.0	1.0
3	郑岩		1	1	1.0	1.0
4	秦刚	华北电力大学新能源电力系统国家重点实验室	2	1	1.0	1.0
5	董继	华北电力大学新能源电力系统国家重点实验室	2	1	1.0	1.0