基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别

• Published in: 电力系统保护与控制 Vol. 52; no. 4; pp. 12 - 25
• Main Authors: 毕贵红, 鲍童语, 陈臣鹏, 赵四洪, 陈仕龙, 张梓睿
• Format: Journal Article
• Language: Chinese
• Published: 昆明理工大学电力工程学院,云南 昆明 650500 16.02.2024
• Subjects: 混合模式分解; deep learning; 电能质量; 故障识别; 时频分析; power quality; 深度学习; time and frequency analysis,hybrid decomposition; fault identification

能源互联网背景下的电能质量问题越来越凸显,针对传统电能质量扰动(power quality disturbances,PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种混合分量多尺度时频图和残差神经网络(residual neural network,ResNet)、门控循环单元(gated recurrent units,GRU)网络与注意力机制(attention,AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT.首先利用奇异谱分解(singular spectrum decomposition,SSD)和逐次变分模态分解(succ...