基于双分支并联的特征融合电能质量扰动分类方法

作     者：王飞 王立辉 周少武 赵才 张志飞 WANG Fei;WANG Lihui;ZHOU Shaowu;ZHAO Cai;ZHANG Zhifei

作者机构：佛山科学技术学院机电工程与自动化学院广东佛山528000 湖南科技大学机电工程与自动化学院湖南湘潭411201 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2024年第52卷第5期

页      面：178-187页

核心收录：

学科分类：0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 0817[工学-化学工程与技术] 08[工学] 0703[理学-化学] 

基　　金：国家自然科学基金项目资助(51277056) 湖南省自然科学基金项目资助(2021JJ30280) 

主　　题：一维卷积神经网络 一维残差神经网络 特征提取 扰动分类 

摘      要：为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取。然后,通过特征融合模块将这些特征融合在一起。最终,通过分类模块对PQDs进行准确分类。相对于串联神经网络,所提方法融合特征向量,增强了特征的区分度,同时适用于并行计算,进一步提高了识别速度。仿真结果表明,所提方法在叠加信噪比为13 dB、15 dB和18 dB的PQDs分类任务中,识别率均超过95%,此外,该方法对异常数据的分类效果也具有一定的鲁棒性。