制造业自动化2024，Vol.46Issue(9) ：58-68.DOI:10.3969/j.issn.1009-0134.2024.09.009

基于双路时频特征融合网络的电能质量扰动识别方法

Power Quality Disturbance Recognition Method Based on Two-Way Time-Frequency Feature Fusion Network

刘辉 吴家猛 陈思源 钱晓东
制造业自动化2024，Vol.46Issue(9) ：58-68.DOI:10.3969/j.issn.1009-0134.2024.09.009
✕
  • NETL
  • NSTL
  • 万方数据

基于双路时频特征融合网络的电能质量扰动识别方法

Power Quality Disturbance Recognition Method Based on Two-Way Time-Frequency Feature Fusion Network

刘辉 1吴家猛 2陈思源 3钱晓东1
扫码查看

作者信息

  • 1. 安徽职业技术学院 智能制造学院,安徽 合肥 230011
  • 2. 中科合肥技术创新工程院,安徽 合肥 230000
  • 3. 安徽大学 电子信息工程学院,安徽 合肥 230039
  • 折叠

摘要

针对噪声环境下单一及复合电能质量扰动(Power Quality Disturbance,PQD)识别的准确性和鲁棒性不足的问题,提出了一种基于双路时频特征融合网络的PQD识别模型.首先对电能质量扰动信号进行处理,通过S变换生成对应的矩阵图像,并结合周期重构矩阵图像,以此构建双路输入特征;再将两种矩阵图像特征送入轻量级网络ShuffleNet_V2进行特征提取,提取得到的特征随后被展平并拼接,形成一组特征序列,输入到多头注意力机制模块中进行深度融合;最终,通过分类层输出电能质量扰动的识别结果.实验结果表明,该模型能够有效地提取和融合时频特征,从而在复杂噪声背景下实现对PQD信号的准确识别,验证了方法的有效性.

关键词

电能质量扰动/S变换/周期重构/特征融合/轻量级网络

引用本文复制引用

基金项目

安徽省高校自然科学基金(2022AH052071)

企业委托研发类课题(2024hxkt2024045)

出版年

2024
制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
段落导航相关论文