卷积神经网络在电能质量扰动识别中的应用研究

• 作者: 王景玲
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（15）
• 所属期刊栏目: 探索与观察
• 页码范围: 29-30
• 页数: 2页
• 语种: 中文

摘要

针对电能质量扰动识别数据多、特征数据提取复杂、识别精度低等问题,提出了一种基于格拉姆角场(Gramian Angular Fields,GAF)和二维卷积神经网络(Two-Dimensional Convolutional Neural Network,2D-CNN)的电能质量扰动识别分类新方法.首先对GAF将电能质量扰动信号一维数据转化为二维图像的过程进行了分析,其次介绍了二维卷积神经网络的结构和训练过程及反向传播算法,并在Tensorflow/Keras框架中搭建2D-CNN,建立了电能质量扰动分类模型.仿真实验结果表明,该方法能够提高分类精度,具有良好的鲁棒性.