基于图卷积神经网络和格拉姆角场的电能质量扰动分类 |
| |
引用本文: | 黄光磊,田启东,林志贤,郑炜楠,徐特,李冰然.基于图卷积神经网络和格拉姆角场的电能质量扰动分类[J].电气传动,2024(3):84-90. |
| |
作者姓名: | 黄光磊 田启东 林志贤 郑炜楠 徐特 李冰然 |
| |
作者单位: | 1. 深圳供电局有限公司;2. 国家电网江苏省电力有限公司 |
| |
摘 要: | 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 |
|
|