基于TDFFCNN模型的电能质量扰动分类

作者：胡杰; 程志友^*; 姜帅; 李悦; 汪德胜

来源：安徽大学学报(自然科学版), 2023, 47(05): 58-64.

• 电能质量
• 特征融合
• 全局最大池化
• 振幅特征

为提高电能质量扰动(power quality disturbances,简称PQD)分类准确率，提出双模态特征融合的卷积神经网络(two-dimensional feature fusion convolutional neural network,简称TDFFCNN)模型，该模型包含2个轻量化子模型.子模型1运用全局最大池化，在大量降低数据量的同时学习电能质量扰动(power quality disturbances,简称PQD)时间序列的时序特征，以增加模型提取时序特征的能力；子模型2使用小卷积核与小步长为参数的堆叠单元提取图像振幅特征，对高中低层特征进行融合，以获得细节与结构性语义.实验结果表明：TDFFCNN模型具有较强的抗噪性能；相对于其他3种模型，TDFFCNN模型的平均准确率最高.因此，TDFFCNN模型具有更强分类性能.

• 单位
  电子信息工程学院; 安徽大学