一种实时电能质量扰动识别分类方法

作者：张立鹏; 郑岩; 秦刚^*; 董继; 孙伟

来源：河北工业科技, 2019, 36(01): 42-46.

• 电力系统
• 深度卷积神经网络
• AlexNet
• 复合扰动
• 电能质量

针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。

• 单位
  新能源电力系统国家重点实验室; 国网冀北电力有限公司; 国网河北省电力公司保定市供电公司; 华北电力大学