基于马尔可夫转换场与多头注意力机制的电能质量扰动分类方法

作者：钱倍奇; 陈谦; 李宗源; 张政伟; 牛应灏

来源：电网技术, 2023, 1-12.

DOI：10.13335/j.1000-3673.pst.2023.0007

• 电能质量扰动
• 深度学习
• 马尔可夫转换场
• 多头注意力机制

新型电力系统中的电能质量扰动愈加复杂，为提升电能质量复杂扰动分类准确率并增强算法的噪声鲁棒性，提出了一种基于马尔可夫转换场与多头注意力机制的电能质量扰动分类方法。首先，利用马尔可夫转换场对电能质量扰动时序数据进行模态变换，得到图像模态数据；然后，将图像模态数据输入卷积神经网络进行特征提取；最后，利用多头注意力机制着重关注卷积神经网络提取特征的重要部分并进行扰动分类。与常规的图像模态转换方法相比，该方法具有更好的扰动分类效果与抗噪声能力。

• 单位
  河海大学; 电气学院