基于空时融合和注意力机制的直流电能质量扰动辨识方法
曾凡 苏小玲*

青海大学 新能源电力系统智慧运行教育部重点实验室，青海西宁，810001；

摘要：随着使用的电气设备数目越来越多，对电力系统的提出要求也越来越高，因此，确保电力系统的稳定运行变得日益关键。作为电力系统的核心微电网在世界范围内得到了特别的研究，而其中的直流电能质量扰动特征的辨识是治理改善微电网中直流电能质量问题的关键。本研究引入了一种改进的混合CTA-net深度学习模型，该模型结合了时空融合技术和注意力机制，用于实时分类辨识微电网中直流电能质量扰动类别。并且通过仿真生成直流电压偏差、直流电压波动、直流电压纹波、动态电压暂降、线路故障暂降和正常六大类直流电能质量扰动信号进行消融实验，本研究提出改进深度学习CTA-net模型，相对于消融后单一的LSTM模型和CNN模型，平均召回率、平均精确率和总准确率分别提升了7.0%、5.1%，13.7%、8.2%，以及15.4%、8.9%，相对于基于传统空时融合CLSTM模型的总准确率、平均召回率和平均精确率分别提升了4.6%、3.2%和4.55%。与其他最新参考文献中提出的其他最新分类模型相比，CTA-net模型在准确性方面也有所改进。因此，本文提出的CTA-net模型为微电网直流电能质量扰动辨识系统提供了一种新型的超高精度、鲁棒性更强、稳定性更好的改进深度学习模型。

关键词：深度学习；长短时记忆；注意力机制；电能质量；扰动辨识；直流微电网

参考文献

[1]邱赟,顾雪城,刘汉宇等.船舶微电网接入方式及匹配模式研究[J].船舶工程,2016,38(11):85-89.

[2]曹梦舟,张艳.基于卷积-长短期记忆网络的电能质量扰动分类[J].电力系统保护与控制,2020,48(02):86-92.

[3]韩民晓,陈宇,王皓界.直流配电系统电压偏差限值的研究[J].大功率变流技术,2016(03):1-5.

[4]丁琰,张宸宇,李丹奇等.基于SVM的直流电能质量扰动分类算法[J].电测与仪表,2022,59(03):10-17.

[5]陈鹏伟,肖湘宁,陶顺.直流微网电能质量问题探讨[J].电力系统自动化,2016,40(10):148-158.

[6]杨剑锋,乔佩蕊,李永梅等.机器学习分类问题及算法研究综述[J].统计与决策,2019,35(06):36-40.

[7]纪守领, 杜天宇, 邓水光,等. 深度学习模型鲁棒性研究综述[J]. 计算机学报, 2022, 45(1):190-206.

[8]周念成,廖建权,王强钢等.深度学习在智能电网中的应用现状分析与展望[J].电力系统自动化,2019,43(04):180-191.

[9]朱煜,赵江坤,王逸宁等.基于深度学习的人体行为识别算法综述[J].自动化学报,2016,42(06):848-857.

[10]王岩,陈耀然,韩兆龙等.基于互信息理论与递归神经网络的短期风速预测模型[J].上海交通大学学报,2021,55(09):1080-1086.

[11]季长清,高志勇,秦静等.基于卷积神经网络的图像分类算法综述[J].计算机应用,2022,42(04):1044-1049.

[12]王华彪,鲁冠军,李小勇.基于卷积和共享权系数长短时记忆网络的空时融合机制在风速预测上的应用研究[J].太阳能学报,2022,43(11):156-165.

[13]吴建章,沙浩源,张宸宇等.基于PSO-SVM的直流配电网电能质量扰动辨识[J].电力工程技术,2019,38(04):18-25.