典型文献
基于多层特征融合注意力网络的电能质量扰动识别方法
文献摘要：
针对复杂电网环境下电能质量扰动特征冗余、分类精度低的问题,经过多层卷积神经网络逐层获取电能质量扰动信号低维到高维特征信息,引入特征注意力机制构建多特征融合层消除特征冗余,提升扰动信号关键特征关注度,并加强扰动信号的局部特征与全局特征的提取,提高模型泛化能力进而提高扰动分类精度,据此提出基于多特征融合注意力网络的电能质量扰动识别方法.仿真结果显示,所提方法不仅在单一扰动、复合扰动下能有效辨识电能质量扰动,而且能有效克服噪声干扰对模型的影响,相比主流扰动分类方法提取的特征辨识度更高、模型抗噪性更强.
文献关键词：
电能质量;卷积神经网络;注意力机制;特征提取
中图分类号：
作者姓名：
奚鑫泽;邢超;覃日升;刘辉;周鑫;和鹏;孟贤
作者机构：
云南电网有限责任公司电力科学研究院,云南昆明 650217;广西大学,电气工程学院,广西南宁 530004
文献出处：
引用格式：
[1]奚鑫泽;邢超;覃日升;刘辉;周鑫;和鹏;孟贤-.基于多层特征融合注意力网络的电能质量扰动识别方法)[J].智慧电力,2022(10):37-44
A类：
B类：
多层特征融合,注意力网络,扰动识别,复杂电网,分类精度,多层卷积神经网络,逐层,电能质量扰动信号,低维,高维特征,特征信息,特征注意力机制,机制构建,多特征融合,关键特征,强扰动,局部特征,全局特征,特征的提取,模型泛化,泛化能力,扰动分类,复合扰动,噪声干扰,分类方法,特征辨识度,抗噪性
AB值：
0.31413
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
