【技术实现步骤摘要】
本专利技术涉及电能质量扰动识别，具体涉及一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法。
技术介绍
1、为了跟上快速发展的科技时代，电力需求呈指数级增长，这促进了多能并网和微电网的推广应用，并伴随着多种电力电子设备投入电网运行。复杂网络以及电力电子设备的广泛使用在满足不断增长的电力需求的同时，也给电能质量带来了重大挑战。因此，电能质量的检测、分析、治理具有更多的现实意义，保证电力系统的稳定运行，需要在电力系统各个环节关注电能质量扰动问题。电能质量扰动的准确辨识是确保电网系统安全可靠运行的基石，同时也是改善电能质量、降低扰动事件负面影响的紧迫任务。
2、电能质量扰动信号为一维的信号，直接使用一维卷积对扰动信号进行特征提取存在一些限制，特别是在捕捉信号的时空相关性和处理复杂信号模式方面。resnet作为深度学习的经典架构，在图像分类任务上具有出色的表现。但是传统的resnet网络结构庞大，参数量大，训练时间长，特征提取效率低。
技术实现思路
1、1.专利技术要解决的技术问题
2、为了解决上述
技术介绍
中存在的不足，本专利技术提供了一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，本专利技术将一维的电能质量扰动信号转换为二维的图片，保留更多的空间信息，包括时间和幅度的变化，从而更全面地表达信号的特征。基于转换后的图像，采用改进的轻量级残差网络自动提取图像的特征，通过将电能质量分析与图像处理技术相结合，本专利技术在噪声环境下更具鲁棒性，对于多
3、2.技术方案
4、为达到上述目的，本专利技术提供的技术方案为：
5、本专利技术的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其步骤为：
6、s1：获取实验电能质量扰动数据，归一化时间序列数据；
7、s2：将归一化后的数据映射到极坐标系，计算格拉姆矩阵，转换为图像；
8、s3：构建改进的轻量级残差网络模型，并进行网络模型训练；
9、s4：获取实际电能质量扰动数据进行步骤s1和s2的处理，利用训练后的轻量级残差网络对图像特征进行提取和分类，得到识别结果。
10、更进一步地，步骤s1根据ieee1159标准对电能质量扰动信号的定义，建立24种电能质量扰动信号模型，通过matlab生成24种扰动信号数据，分别包括正弦波信号、电压暂降、电压暂升、电压中断、暂态振荡、暂态脉冲、闪变、谐波8种单一扰动信号以及16种由多种单一扰动信号构成的复合扰动信号。
11、更进一步地，步骤s1在生成的扰动信号中分别加入信噪比为20db、30db、40db、50db的白噪声。
12、更进一步地，步骤s1采用最大-最小标定器对扰动信号数据进行归一化处理，将时间序列缩放到[-1,1]区间。
13、更进一步地，图像输入步骤s3构建的轻量级残差网络模型，首先经过conv1卷积块和最大池化操作层maxpool，接着经过由stage1、stage2、stage3、stage4组成的4个网络层，接着经过cbam模块，cbam模块输出的特征图经过全局平均池化和dropout操作后输入全连接层进行分类。
14、更进一步地，所述stage1、stage2、stage3、stage4网络层分别由3、4、6、3个基础残差块组成。
15、更进一步地，基础残差块包括依次连接的一个3*3的卷积层，一个批归一化层，一个elu激活函数层，卷积层中引入l2正则化。
16、更进一步地，所述cbam模块包括空间注意力模块和通道注意力模块，由stage4网络层输出的特征图分别经过最大池化和平均池化得到两个一维的特征图，再将两个一维的特征图传入多层感知机mlp进行对应元素相加、激活，再与stage4输出的特征图相乘得到通道注意力特征图，而后将通道注意力特征图在通道维度上进行最大池化和平均池化得到两个二维的特征图，将得到的两个二维特征图进行维度拼接，对于拼接后的特征图经过卷积层生成空间注意力特征图，再与通道注意力特征图相乘得到cbam模块最终输出的特征图。
17、更进一步地，步骤s3采用adam算法作为优化器，学习率为0.0001，通过前向传播计算输出，再根据交叉熵损失函数计算损失，然后使用反向传播更新模型的参数，以达到模型的最优超参数。
18、3.有益效果
19、采用本专利技术提供的技术方案，与已有的公知技术相比，具有如下显著效果：
20、(1)本专利技术的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，对原始的一维扰动信号通过格拉姆角场进行转换，有效地将一维信号中蕴含的目标信息映射为二维图像上的特征，相比一维信号，二维图像能够保留更多的空间信息，包括时间和幅度上的变化，从而更全面的表达信号的特征。
21、(2)本专利技术的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，结合图像处理的方法对转换后的图像进行特征提取及分类。原始resnet34网络模型核心是其残差结构，但原来的残差结构层数过多，参数量大，导致训练耗时。本专利技术以提高分类性能，减少参数量以及训练总耗时为导向，在原始残差结构上进行改进，从而降低计算复杂性，提高学习速度。为了保证改进后的模型能够更好的关注于关键特征，动态地调整特征图中每个通道和空间位置的重要性，同时考虑到计算效率问题，本专利技术引入了卷积注意力机制cbam，cbam结合通道注意力和空间注意力，实现了对输入特征的双重精炼，cbam将计算资源集中在有用的特征上，忽略无用特征，其特征提取能力可以显著提高，同时，通过全局池化和简单的卷积操作，cbam能够在保持低额计算量的同时带来性能的提升。
本文档来自技高网...【技术保护点】
1.一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于，其步骤为：
2.根据权利要求1所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤S1根据IEEE1159标准对电能质量扰动信号的定义，建立24种电能质量扰动信号模型，通过MATLAB生成24种扰动信号数据，分别包括正弦波信号、电压暂降、电压暂升、电压中断、暂态振荡、暂态脉冲、闪变、谐波8种单一扰动信号以及16种由多种单一扰动信号构成的复合扰动信号。
3.根据权利要求2所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤S1在生成的扰动信号中分别加入信噪比为20dB、30dB、40dB、50dB的白噪声。
4.根据权利要求3所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤S1采用最大-最小标定器对扰动信号数据进行归一化处理，将时间序列缩放到[-1,1]区间。
5.根据权利要求1-4任一项所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特
6.根据权利要求5所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：所述stage1、stage2、stage3、stage4网络层分别由3、4、6、3个基础残差块组成。
7.根据权利要求6所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：基础残差块包括依次连接的一个3*3的卷积层，一个批归一化层，一个ELu激活函数层，卷积层中引入L2正则化。
8.根据权利要求7所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：所述CBAM模块包括空间注意力模块和通道注意力模块，由stage4网络层输出的特征图分别经过最大池化和平均池化得到两个一维的特征图，再将两个一维的特征图传入多层感知机MLP进行对应元素相加、激活，再与stage4输出的特征图相乘得到通道注意力特征图，而后将通道注意力特征图在通道维度上进行最大池化和平均池化得到两个二维的特征图，将得到的两个二维特征图进行维度拼接，对于拼接后的特征图经过卷积层生成空间注意力特征图，再与通道注意力特征图相乘得到CBAM模块最终输出的特征图。
9.根据权利要求8所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤S3采用Adam算法作为优化器，学习率为0.0001，通过前向传播计算输出，再根据交叉熵损失函数计算损失，然后使用反向传播更新模型的参数，以达到模型的最优超参数。
...【技术特征摘要】
1.一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于，其步骤为：
2.根据权利要求1所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤s1根据ieee1159标准对电能质量扰动信号的定义，建立24种电能质量扰动信号模型，通过matlab生成24种扰动信号数据，分别包括正弦波信号、电压暂降、电压暂升、电压中断、暂态振荡、暂态脉冲、闪变、谐波8种单一扰动信号以及16种由多种单一扰动信号构成的复合扰动信号。
3.根据权利要求2所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤s1在生成的扰动信号中分别加入信噪比为20db、30db、40db、50db的白噪声。
4.根据权利要求3所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：步骤s1采用最大-最小标定器对扰动信号数据进行归一化处理，将时间序列缩放到[-1,1]区间。
5.根据权利要求1-4任一项所述的一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，其特征在于：图像输入步骤s3构建的轻量级残差网络模型，首先经过conv1卷积块和最大池化操作层maxpool，接着经过由stage1、stage2、stage3、stage4组成的4个网络层，接着经过cbam模块，cbam模块输出的特征图经过全局平均池化和dropout操作后输入全连接层进行分类。
【专利技术属性】
技术研发人员：吴紫恒，郭洪哲，王兵，赵远，李聪，汪文艳，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。