基于格莱姆角场和迁移学习的电能质量扰动分类研究

作者：裘星; 尹仕红; 张之涵; 潘深琛; 江敏丰; 杨建明; 郑建勇

来源：电器与能效管理技术, 2022, (07): 21-26.

DOI：10.16628/j.cnki.2095-8188.2022.07.004

• 电能质量
• 扰动分类
• 格拉姆矩阵
• 迁移学习

针对电能质量扰动(PQD)的分类，提出了一种基于格拉姆矩阵(GAF)和迁移学习的PQD分类方法。首先，采用GAF将一维的PQD信号数据转化为二维图片，然后将生成的图片采用改进过的迁移学习模型AlexNet进行图片的训练和分类，最终完成PQD的分类。最后采用IEEE 14模型仿真出不同类型的PQD信号并对所提方法进行验证，结果证明了所提方法的有效性。

• 单位
  东南大学; 深圳供电局有限公司