基于特征图像组合与改进ResNet-18的电能质量扰动识别方法

针对传统电能质量扰动(power quality disturbance,PQD)识别体系中单一图像特征信息受限与算法识别能力不足等问题，依据特征融合的思想，提出一种基于特征图像组合与改进ResNet-18的PQD识别方法。首先，对PQD信号进行变分模态分解(variational mode decomposition,VMD)得到一系列固有模态函数(intrinsic mode functions,IMFs)与残差分量；其次，将IMFs、残差分量、原始扰动信号与Subtract分量纵向拼接成分量矩阵，利用信号-图像转化方法生成特征分量彩色图；再次，对原始扰动信号进行连续小波变换(continuous wavelet transform,CWT)生成小波时-频图；最后，将特征分量彩色图与小波时-频图组合输入改进的六通道ResNet-18中训练学习并完成扰动识别。通过仿真对PQD识别方法进行分析并将其与目前常用识别体系进行比较。结果表明，所提方法具有较好的抗噪性能并且能够更好地提取PQD特征信息，达到更高的识别准确率。