基于GAF与卷积神经网络的电能质量扰动分类 - Details

author：

郑炜 (郑炜.) ^[1] | 林瑞全 (林瑞全.) ^[2] (Scholars：林瑞全) | 王俊 (王俊.) ^[3] (Scholars：王俊) | 李振嘉 (李振嘉.) ^[4] Unfold

Indexed by：

EI PKU CSCD

Abstract：

针对在设计电能质量扰动(Power　Quality　Disturbance,PQD)分类器时人工选取特征过程繁琐并且不够精确的问题,提出一种基于格拉姆角场(Gramian　Angular　Field,GAF)和卷积神经网络(Convolutional　Neural　Network,CNN)的PQD分类方法.首先将一维PQD信号映射为二维图像,接着在已有的神经网络基础上构造适用于PQD分类的网络框架.最后将二维图像作为输入,CNN将自动从海量的扰动样本中提取特征并加以分类.仿真结果表明该方法在噪声数据中具有良好的分类性能,是一种行之有效的PQD分类方法.

Community：

[ 1 ] [郑炜]福州大学电气工程与自动化学院,福建福州350108
[ 2 ] [林瑞全]福州大学电气工程与自动化学院,福建福州350108
[ 3 ] [王俊]福州大学电气工程与自动化学院,福建福州350108
[ 4 ] [李振嘉]福州大学电气工程与自动化学院,福建福州350108

Reprint 's Address：

Show more details

Version：

Power quality disturbance classification based on GAF and a convolutional neural network
2021，Power System Protection and Control

Source ：

电力系统保护与控制

ISSN： 1674-3415

CN： 41-1401/TM

Year： 2021

Issue： 11

Volume： 49

Page： 97-104

Cited Count：

WoS CC Cited Count：

30 Days PV： 3

Affiliated Colleges：

电气工程与自动化学院本学院/部未明确归属的数据

Get Fulltext

DOI Library Discovery Baidu Scholar Search WF

查看更多>>操作日志

管理员 2025-04-11 01:18:50 更新被引

夏诗琪 2024-05-07 13:58:31 数据初审

管理员 2024-05-02 13:04:14 从数据648378升级为主数据，原主数据645961降级为从数据

管理员 2022-03-31 15:31:42 追加

Type
Departments

All Years Choose Year From to