基于多尺度融合选择卷积网络的电能质量扰动识别

王凯; 孙贤明; 任成昊; 胡玉耀; 王文成; 路尧

首页> 中文期刊> 《现代电子技术》 >基于多尺度融合选择卷积网络的电能质量扰动识别

基于多尺度融合选择卷积网络的电能质量扰动识别

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

传统的电能质量扰动识别在提取分类时都是人工手动单一地选择特征,这种方法普遍存在精度低、成本高、泛化能力弱等缺陷。针对目前深度学习在故障识别分类处理中的应用,文中提出一种基于多尺度融合选择卷积网络实现端到端的电能质量扰动识别分类方法。文中通过仿真实现了单一扰动信号和复合扰动信号,将Multi⁃scale目标检测和轻量级模块SKNet算法思路相结合,利用不同卷积核构造多个尺度下不同的特征,将特征融合选择得到新的主要特征量,并用线性分类器进行快速的扰动识别。研究结果表明,与未改进的深度学习识别方法对比,文中方法在特征提取上具有更强的区分空间、更高的识别率和鲁棒性,整体识别率达到99%,可为电能质量扰动识别研究提供一种新的思路。

著录项

来源
《现代电子技术》 |2022年第4期|107-112|共6页
作者
王凯; 孙贤明; 任成昊; 胡玉耀; 王文成; 路尧;
展开▼
作者单位

山东理工大学电气与电子工程学院;

淄博哇呦创飞智能科技有限公司;

展开▼
原文格式 PDF
正文语种 chi
中图分类网络分析、电力系统分析;
关键词
电能质量扰动; 扰动识别; 特征提取; 多尺度融合; 卷积网络; 融合选择;

相似文献

中文文献
外文文献
专利

1. 基于双尺度分形盒维数的电能质量扰动信号识别 [J] . 杨耿煌 ,张泽卉 ,蔡剑雄 . 电力系统保护与控制 . 2007,第008期
2. 基于最优参数选择的EEMD方法的暂态电能质量扰动识别分类 [J] . 赵乾坤 ,曹玲芝 . 计算机与数字工程 . 2019,第005期
3. 基于 GA 和 ELM 的电能质量扰动识别特征选择方法 [J] . 于志勇 ,张卫辉 ,王新库 . 电测与仪表 . 2016,第023期
4. 多尺度稀疏电能质量扰动识别方法 [J] . 朱云芳 ,吴志宇 ,高岩 . 西南交通大学学报 . 2020,第001期
5. 短时电能质量扰动变尺度标杆相似度识别 [J] . 徐方维 ,杨洪耕 ,肖先勇 . 四川大学学报（工程科学版） . 2009,第006期
6. 基于S变换和概率神经网络对电能质量扰动信号分类识别 [C] . Feng Yao ,冯垚 ,Zhang Huijuan . 2015全国电工理论与新技术学术年会 . 2015
7. 采用高效时-频特征提取与选择的电能质量扰动识别 [A] . 王达 . 2019

基于多尺度融合选择卷积网络的电能质量扰动识别

摘要

著录项

相似文献

相关主题

期刊订阅