电工电能新技术

作者：程志友1,2， 姜帅1， 胡杰1， 汪德胜1

单位：1.安徽大学互联网学院， 安徽 合肥 230601；
2.安徽大学教育部电能质量研究中心， 安徽 合肥 230601

关键词：电能质量； 扰动类型分类； 粒子群优化； 线性权值递减； 卷积神经网络

基金：国家自然科学基金项目（61672032）、 安徽省科技重大专项（18030901018）、 安徽省自然科学基金项目（2108085QE237）

电能质量扰动分类方法目前存在人工提取特征困难、训练模型参数冗余等缺点，本文针对以上问题提出一种将改进的粒子群优化算法和卷积神经网络相结合的电能质量扰动类型分类方法。首先将差分预处理过的一维扰动波形送入卷积神经网络进行特征提取，接着利用改进的粒子群算法对卷积层中的卷积核数量矩阵进行自动迭代，通过该算法减少模型冗余的参数，提高模型的扰动分类效果。仿真和实测结果表明，基于改进粒子群优化卷积神经网络(IPSO-CNN)方法具有扰动类型分类准确度高、损失率低且模型训练参数更少的优点，是一种有效的电能质量扰动分类方法。

来源：2023年第11期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2023年第11期