龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网山东省电力公司曲阜市供电公司
摘要：本发明公开一种基于深度学习的配电网电能质量扰动识别方法及系统，涉及电能质量扰动识别技术领域，包括：获取配电网的一维时序电压信号；分别采用连续小波变换和格拉米角场，将一维时序电压信号转换为二维图像，通过卷积特征自适应图像融合模型，将多种二维图像融合得到综合二维图像；将一维时序电压信号和综合二维图像输入至基于并行两特征提取分支的电能质量扰动识别模型中，一维时序电压信号经过第一特征提取分支，依次通过BiLSTM层、自注意力层和输出层后输出一维特征；综合二维图像经过第二特征提取分支，输出二维特征；再通过全连接层和Sortmax层分类，输出最终的电能质量扰动识别结果，有效提高识别分类的准确性和可靠性。
主权项：1.一种基于深度学习的配电网电能质量扰动识别方法，其特征是，包括：获取配电网设定时间段内设定采样频率下的一维时序电压信号；分别采用连续小波变换和格拉米角场，将一维时序电压信号转换为二维图像，并通过卷积特征自适应图像融合模型，将多种二维图像融合得到综合二维图像；将一维时序电压信号和综合二维图像输入至基于并行两特征提取分支的电能质量扰动识别模型中，一维时序电压信号经过第一特征提取分支，依次通过BiLSTM层、自注意力层和输出层后输出一维特征；综合二维图像经过第二特征提取分支，依次通过卷积层和池化层后输出二维特征；基于一维特征和二维特征，将一维特征和二维特征拼接得到拼接向量，拼接向量再通过全连接层和Softmax分类层进行分类，输出最终的电能质量扰动识别结果；所述卷积特征自适应图像融合模型包括具有不同尺寸卷积核的多特征提取层、融合层和转置卷积层；将转换后的多种二维图像作为源图像，输入至卷积特征自适应图像融合模型中，其中，通过具有不同尺寸卷积核的多特征提取层分别提取输入的源图像的低频特征图像和高频特征图像；在融合层中对所有源图像的低频特征图像和高频特征图像沿维度通道进行拼接和合并卷积，得到合并特征图像；最后通过转置卷积层对融合层输出的合并卷积特征进行上采样操作，使图像逐渐恢复至源图像尺寸并输出。
全文数据：
权利要求：
百度查询： 国网山东省电力公司曲阜市供电公司 基于深度学习的配电网电能质量扰动识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号