基于深度卷积去噪网络的电能质量扰动识别方法

作者：奚鑫泽^*; 邢超; 覃日升; 郭成; 周鑫

来源：南方电网技术, 2022, 16(12): 118-125.

DOI：10.13648/j.cnki.issn1674-0629.2022.12.014

• 电能质量
• 软阈值去噪
• 卷积神经网络
• 深度学习

针对复杂噪声环境下电能质量扰动（power quality disturbance,PQD）识别精度低的问题，将软阈值函数与一维卷积神经网络相结合，提出了一种用于电能质量扰动识别的深度卷积去噪网络（deep convolutional denoising network,DCDN）。将软阈值函数作为非线性转换层插入到深层网络中，构造软阈值去噪模块以有效地消除噪声及其他冗余特征。软阈值去噪模块作为网络的可学习参数，可以通过模型训练确定其权重。相比于软阈值函数，所提去噪模块能够针对不同样本输入自适应地计算其阈值。仿真结果表明，所提方法在不同噪声水平下，对18种常见的单一和复合电能质量扰动均能有效识别。相比于其他常见的扰动识别算法，所提方法抗噪性强，复杂噪声环境下电能质量扰动的识别精度高。

• 单位
  云南电网有限责任公司电力科学研究院