典型文献
基于可视化轨迹圆和ResNet18的复合电能质量扰动类型识别
文献摘要：
为逐步实现新型电力系统,大量电力电子元器件被投入电网使用.由此引起的电能质量问题愈发严重,主要表现为电能质量扰动类型复合化,并造成传统识别算法适用性降低.针对这一问题,该文采用可视化轨迹圆技术,将一维扰动信号转换为具有明显形状特征的二维轨迹圆,并输入到深度残差网络进行自主的特征学习并分类识别.首先,对复合电能质量扰动信号进行希尔伯特变换得到基于采样时间的包络线序列;然后,以瞬时幅值为极径,以瞬时相位为对应极角,在极坐标上得到轨迹圆图像;最终将轨迹圆输入到ResNet18中训练学习并通过最优网络模型实现分类识别.为验证该算法的有效性,该文同时利用仿真和实验进行扰动信号分类,结果表明该方法能有效克服传统方法特征选择主观性强、抗噪性能差等缺点,可以更好地提取复合电能质量扰动特征信息,对复合电能质量扰动识别率高.
文献关键词：
电能质量扰动;可视化轨迹圆;深度残差网络;扰动分类
中图分类号：
作者姓名：
兰名扬;刘宇龙;金涛;龚正;刘梓强
作者机构：
福州大学电气工程与自动化学院,福建省 福州市 350108;智能配电网装备福建省高校工程研究中心,福建省 福州市 350108
文献出处：
引用格式：
[1]兰名扬;刘宇龙;金涛;龚正;刘梓强-.基于可视化轨迹圆和ResNet18的复合电能质量扰动类型识别)[J].中国电机工程学报,2022(17):6274-6285,后插10
A类：
可视化轨迹圆
B类：
ResNet18,复合电能质量,类型识别,新型电力系统,电力电子,电子元器件,复合化,识别算法,信号转换,显形,形状特征,深度残差网络,特征学习,分类识别,电能质量扰动信号,希尔伯特变换,采样时间,包络线,线序,瞬时幅值,瞬时相位,极坐标,上得,终将,训练学,模型实现,文同,信号分类,法特,特征选择,主观性,抗噪性能,特征信息,扰动识别,识别率高,扰动分类
AB值：
0.291134
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。
