卷积神经网络在电能质量扰动识别中的应用研究  

作　　者：王景玲 

机构地区：[1]安徽理工大学电气与信息工程学院

出　　处：《电子世界》2021年第15期29-30,共2页Electronics World

摘　　要：针对电能质量扰动识别数据多、特征数据提取复杂、识别精度低等问题,提出了一种基于格拉姆角场(Gramian Angular Fields,GAF)和二维卷积神经网络(Two-Dimensional Convolutional Neural Network,2D-CNN)的电能质量扰动识别分类新方法。首先对GAF将电能质量扰动信号一维数据转化为二维图像的过程进行了分析,其次介绍了二维卷积神经网络的结构和训练过程及反向传播算法,并在Tensorflow/Keras框架中搭建2D-CNN,建立了电能质量扰动分类模型。仿真实验结果表明,该方法能够提高分类精度,具有良好的鲁棒性。

关 键 词：卷积神经网络 反向传播算法 二维图像 识别分类 电能质量扰动 CNN 特征数据提取 格拉姆 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]