基于轨迹颜色编码与知识蒸馏的电能质量扰动轻量化识别方法

作     者：王守相 赵宁 王同勋 郭陆阳 魏孟迪 赵倩宇 冯丹丹 

作者机构：天津大学智能电网教育部重点实验室 电力系统仿真控制天津市重点实验室 国网智能电网研究院有限公司 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2024年

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家重点研发计划资助项目(2023YFB2407500) 

主　　题：电能质量扰动 轻量化 颜色编码 模型压缩 知识蒸馏 边缘设备 

摘      要：当前电能质量扰动识别中存在特征混叠导致电压信号特征难以提取的问题，且电能质量识别装置部署在变电站等场所，算力较低，难以运行复杂的识别模型。为此，提出了基于轨迹颜色编码与知识蒸馏的电能质量扰动轻量化识别方法。通过圆轨迹转换和颜色编码，将一维电压信号转化为特征明显的彩色圆轨迹特征图，解决了特征混叠问题。使用二进制映射将特征图像降维，实现特征轻量化。构建以ResNet18为教师模型和SqueezeNext为学生模型的知识蒸馏模型，使用教师网络训练生成的软标签指导学生网络的训练，进行2个模型之间的知识迁移，实现模型压缩。为了验证所提方法的有效性和实用性，在Raspberry Pi-4B边缘设备上进行验证实验，结果表明所提方法能够有效解决特征混叠问题，且识别速度相对于压缩前提高了82.84%，能够满足轻量化部署的需求。