基于深度学习融合网络的含噪电能质量扰动识别方法

• Published in: 电力系统保护与控制 Vol. 52; no. 10; pp. 11 - 20
• Main Authors: 王海东, 程杉, 徐其平, 刘烨, 王灿
• Format: Journal Article
• Language: Chinese
• Published: 三峡大学电气与新能源学院,湖北 宜昌 443002%国网浙江省电力有限公司嘉兴供电公司,浙江 嘉兴 314000 16.05.2024
• Subjects: 自适应小波降噪; multi-headed attention; 多头注意力; adaptive wavelet threshold; power quality disturbances; residual neural network; 残差神经网络; 双向长短时记忆网络; 电能质量扰动; bidirectional long-short term memory network
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.231503

针对强噪声环境下电能质量扰动识别精度不高的问题,提出一种自适应小波降噪和深度学习相结合的电能质量扰动识别方法.首先,通过改进峰和比分层自适应阈值和能量优化的阈值函数算法对含噪扰动信号进行降噪处理.然后,通过残差神经网络对降噪后的扰动信号进行深层特征提取,在此基础上融入多头注意力机制下的双向长短时记忆网络,建立时序特征依赖关系,构成适用于噪声环境下的扰动识别框架.最后,在不同强度噪声环境下对20类扰动信号进行仿真实验.由仿真结果可知,该方法具有良好的噪声鲁棒性,在不同噪声环境下均有较高的识别正确率.