文章详情

摘要

针对复合电能质量扰动（Power Quality Disturbances, PQDs）信号在识别过程中出现的特征提取难、识别效率低等问题，文章提出一种高效的可视化方法和轻量级网络模型的电能质量扰动识别方法。首先，利用递归图（RP）方法对一维PQDs信号进行可视化以捕捉信号中的非线性动态特征。其次，根据IEEE Std 1159—2019标准对30种PQDs信号进行仿真生成，并采用RP方法建立图像数据集。再次，采用MobileViT轻量级网络对自建图像数据集进行特征提取与分类识别任务。最后，通过与传统轻量级网络MobileNetV2和MobileNetV3的对比实验和鲁棒性检验，验证了文章采用方法具有更高的识别准确率和更快的推理速度。

关键词

电能质量扰动；递归图；可视化；MobileViT；轻量级网络

参考文献

1. [1] 张玺，郑建勇，梅飞，等.基于图像分析的电能质量扰动边-云协同辨识框架 [J/OL].中国电机工程学报，2025：1-15[2025-06-23].https://link.cnki.net/urlid/11.2107.tm. 20240612.1514.018.
2. [2] 胡雪峰，张亮.基于迁移学习和AlexNet的复合电能质量扰动识别 [J].自动化仪表，2023，44（7）：55-60.
3. [3] 张逸，欧杰宇，金涛，等.基于特征图像组合与改进ResNet-18的电能质量扰动识别方法 [J].中国电机工程学报，2024，44（7）：2531-2545.
4. [4] 王海东，程杉，徐其平，等.基于深度学习融合网络的含噪电能质量扰动识别方法 [J].电力系统保护与控制，2024，52（10）：11-20.
5. [5] 朱勇，陶用伟，李泽群.基于S变换与特征优选的电能质量扰动识别 [J].电工技术，2023（21）：97-100.
6. [6] 李琦，许素安，施阁，等.基于S变换和IWOA-SVM的复合电能质量扰动识别 [J].智慧电力，2023，51（5）：30-35+50.
7. [7] 李家俊，吴建军，陈武，等.基于DWT-PCA-LIBSVM的电能质量扰动分类方法 [J].电工电气，2023（3）：20-24.
8. [8] 钱少锋，姚海燕，郭强，等.基于ITD分解和孪生支持向量机的电能质量扰动识别方法研究 [J].电工技术，2023（13）：21-26+31.
9. [9] 杨晓梅，郭林明，肖先勇，等.基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类 [J].电网技术，2020，44（8）：3014-3020.
10. [10] 陈伟，张韵，裴喜平，等.基于案例推理和SVM-KNN的电能质量扰动分类方法 [J].兰州理工大学学报，2017，43（4）：87-92.
11. [11] 贺才郡，李开成，董宇飞，等.基于知识蒸馏与RP-MobileNetV3的电能质量复合扰动识别 [J].电力系统保护与控制，2023，51（14）：75-84.
12. [12] 付宽，王洪新，刘杰，等.基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别 [J].电网与清洁能源，2024，40（4）：74-83.
13. [13] 李贝奥，李开成，肖贤贵，等.基于多尺度卷积融合时间序列Transformer的复合电能质量扰动识别 [J/OL].电网技术，2025：1-12[2025-06-20].https://link.cnki.net/doi/10.13335/j.1000-3673.pst.2023.1764.
14. [14] 王继东，王泽平，张迪.基于递归图和预训练迁移学习的电能质量扰动分类 [J/OL].南方电网技术，2025：1-10
15. [2025-01-03].https://link.cnki.net/urlid/44.1643.tk.20240517. 1116.002.

作者简介

刘道庆（1975—），男，汉族，安徽安庆人，高级工程师，本科，研究方向：热能动力工程、发电与配电。