换一批基于多特征融合卷积神经网络结合Transformer的电能质量扰动分类方法
Classification Method for Power Quality Disturbances Based on Multi-feature Fusion Convolutional Neural Networks Combined with Transformer
摘要随着可再生能源发电技术的发展,越来越多的可再生能源和设备应用到电力系统中,使电能质量扰动(Power Quality Disturbances,PQDs)发生频率显著增加.PQDs的准确分类对于研究PQDs发生原因和预防至关重要.提出基于多特征融合的卷积神经网络(CNN)结合Transformer模型(CNN-Transformer)对PQDs进行分类.利用快速傅里叶变换(fast Fourier transform,FFT)从PQDs时间序列中提取频域信息,使用CNN-Transformer模型分别对PQDs的时域和频域信息进行特征提取,实现PQDs识别分类.使用该模型对 16 种合成PQDs数据进行仿真,结果显示:该模型在无噪声条件下的分类准确率为99.88%,在噪声条件下准确率在98.00%以上,且拥有良好的抗噪性和泛化性能.与现有部分分类模型比较显示,本文模型在对比的模型中性能最优.
更多相关知识
关键词
电能质量扰动分类时频分析卷积神经网络多头注意力机制power qualitydisturbance classificationtime and frequency analysisconvolutional neural networkmulti-head attention mechanism
分类号
TM711
栏目名称
DOI
10.11713/j.issn.1009-4822.2025.01.019
发布时间
2025-01-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
吉林省科技发展计划项目（20210203169SF）
- 浏览6
- 被引4
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
