基于CDAE和TCN/BLSTM模型的电能质量扰动分类方法 |
| |
作者姓名: | 代义东 陆之洋 熊炜 袁旭峰 徐玉韬 谈竹奎 |
| |
作者单位: | 1. 贵州大学电气工程学院;2. 贵州电网有限责任公司电力科学研究院 |
| |
基金项目: | 国家重点研发计划资助项目(2022YFE0205300);;国家自然科学基金资助项目(52067004,52367005)~~; |
| |
摘 要: | 随着新型电力系统中电能质量扰动(PQDs)愈加复杂,为提升PQDs分类准确率并增强算法的噪声鲁棒性,将卷积降噪自编码器(CDAE)、时域卷积网络(TCN)与双向长短期记忆(BLSTM)相结合,提出一种基于CDAE和TCN/BLSTM模型的电能质量扰动分类方法。首先,通过CDAE以原始信号为目标重构含噪信号;然后,利用TCN和BLSTM并行挖掘扰动的抽象和时序特征;最后,特征合并层融合两种特征并完成分类。仿真结果表明,该方法可有效分类强噪声下的20类PQDs信号且平均准确率达99.23%,相比于其他主流的分类方法,所提方法具有更好的分类效果和抗噪性能。
|
关 键 词: | 电能质量扰动 卷积降噪自编码器 时域卷积网络 双向长短期记忆 |
|