基于双通道GAF和深度残差网络的电能质量复合扰动识别

作者：贺才郡; 李开成^*; 杨王旺; 董宇飞; 宋朝霞; 范伟欣; 王伟

来源：电网技术, 2023, 47(01): 369-379.

DOI：10.13335/j.1000-3673.pst.2022.0644

• 电能质量扰动
• 格拉姆角场
• 二维图像
• 深度残差网络
• 扰动识别

针对传统电能质量扰动(power quality disturbances,PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题，提出了一种利用格拉姆角场(Gramain angular fields,GAF)和深度残差网络(residual network,ResNet)进行复合扰动识别的方法。首先对一维时间序列PQDs信号进行标准化与极坐标编码，然后采用双通道GAF方法保留信号时序特征并映射成为二维图像，形成信息充足、特征明显的双通道图像训练集，在此基础上利用ResNet进行深层次的特征提取，构造适用于复合PQDs分类的网络框架。仿真实验表明该方法特征提取能力强，且抗噪性能好，并且对复合扰动识别率高。

• 单位
  华中科技大学; 电子工程学院