Indexed by：
Abstract：
针对在设计电能质量扰动(Power Quality Disturbance,PQD)分类器时人工选取特征过程繁琐并且不够精确的问题,提出一种基于格拉姆角场(Gramian Angular Field,GAF)和卷积神经网络(Convolutional Neural Network,CNN)的PQD分类方法.首先将一维PQD信号映射为二维图像,接着在已有的神经网络基础上构造适用于PQD分类的网络框架.最后将二维图像作为输入,CNN将自动从海量的扰动样本中提取特征并加以分类.仿真结果表明该方法在噪声数据中具有良好的分类性能,是一种行之有效的PQD分类方法.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电力系统保护与控制
ISSN： 1674-3415
CN： 41-1401/TM
Year： 2021
Issue： 11
Volume： 49
Page： 97-104
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
