-
题名基于递归图深度学习的电能质量异常扰动检测
被引量:1
- 1
-
-
作者
练德强
许瑞
吕一晔
徐铌
沈烽枫
-
机构
浙江中新电力工程建设有限公司
国网浙江省电力有限公司杭州市萧山区供电公司
-
出处
《自动化应用》
2023年第24期90-94,共5页
-
基金
浙江大有集团有限公司科技项目(DY2022-28)。
-
文摘
电能质量问题会严重影响供电质量。为解决该问题,本文研究了电能质量的识别。首先,提出了一种基于数据预处理递归图的特征提取方法,用于提取各类电能质量异常扰动的特征;然后,提出了一种基于机器学习的电能质量异常扰动检测方法,利用Swin-Transformer网络高效表征递归图中的隐含信息,同时降低模型计算的复杂度,增加对电能质量事件的识别率和准确率;最后,通过MATLAB-Simulink仿真模拟电能质量扰动数据并进行实验,验证了该方法的有效性。结果表明,数据预处理递归图能有效提高不同电能质量异常扰动类型的特征区分度。Swin-Transformer网络能高效且精确地识别电能质量异常扰动。
-
关键词
电能质量
递归图
深度学习
特征提取
异常扰动
-
Keywords
power quality
recursive graph
deep learning
feature extraction
abnormal disturbances
-
分类号
TM76
[电气工程—电力系统及自动化]
-