基于改进CWD-CNN的配电网内部过电压类型识别方法

针对配电网内部过电压类别难以辨识的问题,提出了基于改进CWD-CNN的过电压类型识别方法。采用乔威廉姆斯分布(choi-williams distribution,CWD)对电力系统中常见的7种过电压信号进行时频分解,构造可表达过电压信号时频能量特征的二维矩阵,并利用卷积神经网络(convolutional neural network,CNN)进行过电压的分类识别。改进后的CNN卷积核具有长方形尺度,能够高效、迅速地对时频图像进行特征提取。同时,分别从迭代次数、批量样本数、隐层特征图个数以及卷积核尺寸等方面分析其对寻优结果的影响,并确定最佳寻优参数,最后从样本库随机抽取数据进行交叉验证。结果表明,该方法能够有效地对7类过电压信号进行分类识别,并具有较高的识别率,避免了人工提取特征量的局限性和复杂性。