典型文献
基于格莱姆角场和迁移学习的电能质量扰动分类研究
文献摘要：
针对电能质量扰动(PQD)的分类,提出了一种基于格拉姆矩阵(GAF)和迁移学习的PQD分类方法.首先,采用GAF将一维的PQD信号数据转化为二维图片,然后将生成的图片采用改进过的迁移学习模型AlexNet进行图片的训练和分类,最终完成PQD的分类.最后采用IEEE 14模型仿真出不同类型的PQD信号并对所提方法进行验证,结果证明了所提方法的有效性.
文献关键词：
电能质量;扰动分类;格拉姆矩阵;迁移学习
中图分类号：
作者姓名：
裘星;尹仕红;张之涵;潘深琛;江敏丰;杨建明;郑建勇
作者机构：
深圳供电局有限公司,广东 深圳 440304;东南大学电气工程学院,江苏南京 210096
文献出处：
引用格式：
[1]裘星;尹仕红;张之涵;潘深琛;江敏丰;杨建明;郑建勇-.基于格莱姆角场和迁移学习的电能质量扰动分类研究)[J].电器与能效管理技术,2022(07):21-26
A类：
B类：
莱姆,迁移学习,电能质量扰动分类,分类研究,PQD,格拉姆矩阵,GAF,分类方法,号数,AlexNet,IEEE,模型仿真
AB值：
0.251548
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
