科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现船舶电力系统电能质量扰动准确识别，结合深度学习提出基于二维残差网络(2D-ResNet)的电能质量扰动识别方法。首先将电能质量一维时间序列通过距离矩阵转化为二维平面图，随后将图像送入所提二维残差网络中提取特征。最终输出特征图通过线性层分类器得到识别结果，实现船舶电力系统电能质量扰动的在线识别。与现有特征提取方法相比，不同信噪比下该方法扰动识别准确率均最高。信噪比为20 dB时，单标签分类平均准确率为93.86%，多标签分类平均F1-score为96.52%，证明了2D-Res Net能有效提取扰动特征且对噪声具备鲁棒性。对于未知复合扰动，单标签分类器识别失败，而多标签分类器准确识别出扰动中的未知成分，且F1-score达到93%，证明了多标签分类适用于未知复合扰动识别。
- 单位
