检索结果-南通市图书馆

基于SA-PSO算法优化CNN的电能质量扰动分类模型

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第5期44卷 185-190页

作者：肖白李道明穆钢高文瑞董光德东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 国网重庆市电力公司电力科学研究院重庆401123

针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题,提出了一种通过模拟退火(SA)算法与粒子群优化(PSO)算法相结合来优化卷积神经网络(CNN)的电能质量扰动分类模型。将CNN卷积层中的二维卷积核替换成一维卷积核;采用SA... 详细信息

针对传统电能质量扰动分类模型中扰动特征复杂、识别步骤繁琐的问题,提出了一种通过模拟退火(SA)算法与粒子群优化(PSO)算法相结合来优化卷积神经网络(CNN)的电能质量扰动分类模型。将CNN卷积层中的二维卷积核替换成一维卷积核;采用SA算法对PSO算法进行改进,规避PSO算法陷入局部最优的困境;采用改进后的PSO算法对CNN进行参数寻优;利用优化CNN提取和筛选合适的特征,根据这些特征利用分类器得到最终分类结果。通过算例分析得出,使用基于SA-PSO算法优化的CNN的电能质量扰动分类模型能精确地识别出电能质量扰动信号。

关键词：电能质量扰动分类卷积神经网络粒子群优化算法模拟退火算法特征提取

基于MSD-Transformer的电压质量扰动分类方法

在线全文

学校读者我要写书评

暂无评论

供用电 2024年第2期41卷 28-35页

作者：林骞方磊李明明李全俊张志峰国网潍坊供电公司山东潍坊261000

随着新型电力系统中的电压质量扰动(power quality disturbance,PQD)的日益复杂化,传统的分类方法面临着巨大挑战。为提升复杂PQD分类准确性,提出了一种基于多分辨率信号分解(multi-resolution signal decomposition,MSD)和Transformer... 详细信息

随着新型电力系统中的电压质量扰动(power quality disturbance,PQD)的日益复杂化,传统的分类方法面临着巨大挑战。为提升复杂PQD分类准确性,提出了一种基于多分辨率信号分解(multi-resolution signal decomposition,MSD)和Transformer模型的电压质量扰动分类算法。首先通过MSD对PQD信号进行信号分解,获取其时频特性;然后将信号分解结果输入Transformer模型,利用其多头注意力机制对特征进行高阶特征提取;在此基础上,通过softmax函数实现PQD信号的准确分类。在算例实验中,选取8种单一扰动信号和6种复合扰动信号,共计14种扰动源进行分类实验。实验结果表明,该方法不仅可以对上述PQD信号进行准确分类,而且还展现了在噪声环境中的强大鲁棒性。与传统方法相比,该方法大幅缩短了模型训练时间,显著降低了对专家经验的依赖,实现了PQD分类的高度自动化,为电压质量管理提供了一个高效、可靠的PQD分类方法。

关键词：电压质量扰动多分辨率信号分解 Transformer 扰动分类特征提取

基于图卷积神经网络和格拉姆角场的电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

电气传动 2024年第3期54卷 84-90页

作者：黄光磊田启东林志贤郑炜楠徐特李冰然深圳供电局有限公司广东深圳310030 国家电网江苏省电力有限公司江苏苏州215000

由于新能源系统的广泛加入,系统中的电能质量扰动数量和种类也相应增加,而传统电能质量扰动(PQD)分类方法存在准确率和效率不高的问题,难以适应现有包含高新能源渗透率的电力系统的电能质量管理。因此,提出了一种基于图卷积神经网络(GCN... 详细信息

由于新能源系统的广泛加入,系统中的电能质量扰动数量和种类也相应增加,而传统电能质量扰动(PQD)分类方法存在准确率和效率不高的问题,难以适应现有包含高新能源渗透率的电力系统的电能质量管理。因此,提出了一种基于图卷积神经网络(GCNNs)和格拉姆角场(GAF)的电能质量扰动分类方法。首先,对原始的PQD信号进行归一化和极坐标转化处理;然后采用GAF对不同种类的PQD一维信号进行图形化转换,生成包含不同PQD特征的二维图片;最后,采用GCNNs对不同种类的PQD图片进行训练和分类,实现不同PQD的分类。实验部分采用IEEE-39节点系统仿真并模拟不同种类的PQD曲线,对所提方法进行验证。实验结果表明,所提方法可以自动地进行特征的提取和优化,满足PQD识别和分类的高效性和准确性。

关键词：电能质量扰动图卷积神经网络格拉姆角场扰动分类

基于优化RBF神经网络在电能质量扰动分类中的应用

在线全文

学校读者我要写书评

暂无评论

现代建筑电气 2024年第4期15卷 28-35页

作者：姚宇方忠强张坤胡慧江刘宏伟华设设计集团股份有限公司南京江苏210014 长安大学能源与电气工程学院西安陕西710018

为保证建筑中智能电子产品安全运行,解决实际工程中电能质量扰动识别分类准确率低、抗噪性差等问题,提出一种基于优化RBF神经网络识别电能质量扰动的方法。首先,将20种电能质量扰动信号通过S变换进行时频域分析,提取出的扰动时频域特征... 详细信息

为保证建筑中智能电子产品安全运行,解决实际工程中电能质量扰动识别分类准确率低、抗噪性差等问题,提出一种基于优化RBF神经网络识别电能质量扰动的方法。首先,将20种电能质量扰动信号通过S变换进行时频域分析,提取出的扰动时频域特征数据划分为测试集和训练集;然后,构建径向基函数(RBF)神经网络电能质量扰动分类模型;其次,引入蜣螂优化算法(DBO)对RBF神经网络参数进行参数优化;最后,将划分好的训练集和测试集输入到优化后的神经网络中进行扰动分类。仿真及工程实验表明,提出的方法对于电能质量扰动识别准确率高,抗噪性及泛化能力强。

关键词：电能质量扰动分类径向基函数神经网络蜣螂优化算法 S变换特征提取

基于卡尔曼滤波和深度置信网络的复合电能质量扰动分类

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2022年第11期50卷 81-90页

作者：陈子璇席燕辉沈银长沙理工大学电气与信息工程学院湖南长沙410114

针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法。首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪。然后,... 详细信息

针对实际电能质量扰动数据大、识别多重扰动精度不高的问题,提出了一种基于自适应最大似然卡尔曼滤波和深度置信网络相结合的电能质量扰动识别方法。首先,该方法使用自适应最大似然卡尔曼滤波对含有噪声的原始扰动信号进行去噪。然后,通过深度置信网络对去除噪声的扰动信号进行训练、分类,以此实现电能质量扰动类型的识别。最后,在20类不同噪声水平下的电能质量扰动信号上进行测试。由仿真结果可知,在不同的噪声水平下,该方法都具有较高的分类正确率,表明了该方法的有效性及对噪声的强鲁棒性。

关键词：电能质量扰动卡尔曼滤波深度置信网络扰动分类

基于粒子群优化与卷积神经网络的电能质量扰动分类方法

在线全文

学校读者我要写书评

暂无评论

发电技术 2023年第1期44卷 136-142页

作者：董光德李道明陈咏涛马兴付昂穆钢肖白国网重庆市电力公司电力科学研究院重庆市渝北区401123 东北电力大学电气工程学院吉林省吉林市132000

针对传统电能质量扰动分类方法中人工选取特征困难、步骤繁琐和分类准确率低等问题,提出了一种基于粒子群优化(particle swarm optimization,PSO)算法与卷积神经网络(convolutional neural network,CNN)的扰动分类方法。首先,利用reshap... 详细信息

针对传统电能质量扰动分类方法中人工选取特征困难、步骤繁琐和分类准确率低等问题,提出了一种基于粒子群优化(particle swarm optimization,PSO)算法与卷积神经网络(convolutional neural network,CNN)的扰动分类方法。首先,利用reshape函数将各电能质量扰动信号的一维时间序列分别转成行列相等的二维矩阵,并对这些二维矩阵进行适当划分,形成训练数据集和测试数据集;其次,基于CNN构建电能质量扰动的分类模型;再次,采用PSO算法对该分类模型的参数进行优化,使用训练数据集对优化后的电能质量扰动分类模型进行训练;最后,使用测试数据集对经过训练的电能质量扰动分类模型进行测试,根据输出标签得到各类电能质量扰动的分类结果。仿真结果表明:该分类模型可以自行提取电能质量扰动数据的特征,相较于其他电能质量扰动分类模型,其对电能质量扰动信号的分类准确率更高。

关键词：新能源电能质量扰动分类特征提取粒子群优化(PSO) 深度学习卷积神经网络(CNN)

基于多分辨奇异值分解包和随机森林的电能质量扰动分类研究

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2023年第9期40卷 296-302页

作者：张家宁罗月婉郭林明杨晓梅四川大学电气工程学院四川成都610065 成都飞机设计研究所四川成都610041

为解决电能质量扰动的分类问题,利用多分辨奇异值分解(Singular Value Decomposition, SVD)的信号逐层分解方式,提出基于多分辨SVD包与随机森林(Multi-Resolution SVD and Random Forest, MRSVD-RF)的电能质量扰动分类方法。通过实验证... 详细信息

为解决电能质量扰动的分类问题,利用多分辨奇异值分解(Singular Value Decomposition, SVD)的信号逐层分解方式,提出基于多分辨SVD包与随机森林(Multi-Resolution SVD and Random Forest, MRSVD-RF)的电能质量扰动分类方法。通过实验证明了该算法对单一和复合电能质量信号的分类效果明显优于分解结构相似的基于的小波包的信号分解方式,比较了分类器模型的选择和特征提取数量对算法性能的影响。

关键词：奇异值分解多分辨SVD包电能质量扰动分类随机森林

在线全文

学校读者我要写书评

暂无评论

基于SVM的电能质量扰动信号分类方法

计算机应用与软件 2022年第7期39卷 95-100,120页

作者：郭云峰杨晓梅四川大学电气工程学院四川成都610065

针对电能质量扰动信号分类中存在波形相似、准确率低的问题,提出一种双层支持向量机的分类方法。利用可调Q因子小波变换(tunable Q-factor wavelet transform, TQWT)对信号进行5层分解并提取特征,使用经粒子群算法优化后的支持向量机对... 详细信息

针对电能质量扰动信号分类中存在波形相似、准确率低的问题,提出一种双层支持向量机的分类方法。利用可调Q因子小波变换(tunable Q-factor wavelet transform, TQWT)对信号进行5层分解并提取特征,使用经粒子群算法优化后的支持向量机对扰动信号进行第一次分类;对第一次分类中错误样本集中的类别,结合小波去噪算法和TQWT提取特征;使用优化后的支持向量机对扰动信号进行第二次分类,以提高信号的分类准确率。仿真数据实验表明,所提出的分类方法能够有效识别14类扰动,与其他分类方法相比分类准确率更高,抗噪性更强,具有一定的应用价值。

关键词：支持向量机电能质量可调Q因子小波变换特征提取扰动分类

基于轻量化卷积神经网络的电能质量扰动分类研究

在线全文

学校读者我要写书评

暂无评论

基于轻量化卷积神经网络的电能质量扰动分类研究

作者：胡方皓华中科技大学

学位级别：硕士

随着电力需求的增长和新能源技术的发展,电网中接入的用电设备在增多,电网中的电能质量扰动产生的概率在增大,然而用户对于电网的电能质量要求仍在提高。因此电能质量扰动分类问题具有重要研究意义。论文以轻量化卷积神经网络为基础,面... 详细信息

随着电力需求的增长和新能源技术的发展,电网中接入的用电设备在增多,电网中的电能质量扰动产生的概率在增大,然而用户对于电网的电能质量要求仍在提高。因此电能质量扰动分类问题具有重要研究意义。论文以轻量化卷积神经网络为基础,面向移动端设备,对电能质量扰动分类算法进行了研究,主要工作内容如下:(1)基于IEEE制定的相关电能质量标准,建立了9种单一扰动信号和4种复合扰动信号的数学模型,通过仿真获得了信号样本,为后续实现分类算法提供了模拟采样数据。(2)为了解决传统卷积神经网络模型计算量大,不易于移植的问题,使用了一种基于格拉姆角场和轻量化神经网络的电能质量扰动分类方法。通过格拉姆角场编码将一维时间序列映射成二维RGB图像,利用轻量化神经网络对生成的图片进行分类。测试了一种GAF+Mobile Net V3的电能质量分类算法的可行性,通过在自建的数据集上对多种不同网络模型的算法进行对比,得出了其中性能最优的模型在0d B、30d B、40d B噪声干扰下,模型的准确率分别为97.34%、95.23%、96.42%。(3)考虑到嵌入式设备具有便携带,低成本的优势,为了使模型在嵌入式设备上具有更好的实时性,以Mobile Net V3＿large作为教师网络,以基于教师网络精简得到的Mobile Net V3＿mid作为学生网络进行知识蒸馏,在精确度仅下降1.28%的情况下,对原网络进行了压缩。最后,在嵌入式设备Jetson Nano上,对压缩后的网络模型进行了部署,经过测试,模型的运行速度可以达到60帧/秒。

关键词：电能质量扰动分类格拉姆角场卷积神经网络知识蒸馏