张逸,欧杰宇,金涛,毕贵红.基于特征图像组合与改进resnet-18的电能质量扰动识别方

电能质量扰动识别是电力系统中一项重要的任务，针对该问题，提出了基于特征图像组合与改进resnet-18的识别方案。该方案的主要思路是将电能质量扰动的波形数据转化为特征图像，然后利用改进的resnet-18网络进行识别。

首先，针对电能质量扰动的波形数据，我们将其转化为特征图像。具体做法是将波形数据通过小波分析进行时频分析，得到具有不同时间和频率特征的多个子波形。然后，将这些子波形根据一定规则组合成特征图像，以形成输入网络的数据。

接着，我们对resnet-18进行了改进，以适应电能质量扰动识别的需求。改进的关键在于添加了一层平均池化层，用于提取全局特征，并将其与局部特征进行融合。此外，我们还对残差块进行了改进，增加了扩张卷积和空洞卷积操作，以增强网络对扰动信号的感知能力。

在训练过程中，我们使用了大量的电能质量扰动数据集进行网络参数训练，并采用交叉熵损失函数进行优化。为了提高识别的准确率，我们还进行了数据增强和批次归一化等操作。

最后，通过实验验证了我们提出的识别方案的有效性。实验结果表明，与传统的方法相比，基于特征图像组合与改进resnet-18的电能质量扰动识别方案具有更高的准确率和更好的鲁棒性，可以有效地应用于电力系统中的电能质量扰动识别任务中。

综上所述，基于特征图像组合与改进resnet-18的电能质量扰动识别方案是一种有效的方法，能够准确地对电能质量扰动进行识别和分类，对于保障电力系统的运行和质量具有重要意义。