针对传统电能质量扰动分类方法人工特征选择困难、准确率低的缺点，在传统卷积网络的基础上，借鉴Inception、残差的思想，结合混合池化和高效通道注意力机制，提出一种基于通道选择多尺度融合深度残差网络（CSSF-ResNet）的电能质量扰动识别方法。使用多尺度卷积提取不同尺度的特征，将全局混合池化与高效通道注意力机制相结合，在通道维度进行特征筛选，挖掘有效特征，并引入残差连接，构成CSSF-ResNet。仿真结果表明，所提方法具有分类准确率高、噪声鲁棒性强等优点。
科研之友
微信
新浪微博
Facebook
分享链接
