一种使用 Vision Transformer 分类电能质量信号的新方法
信号处理
2024-09-05 v2 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
随着电子接口可再生能源和负载快速接入智能电网，人们对电能质量扰动分类的兴趣日益浓厚，以提高这些电网的安全性和效率。本文介绍了一种基于 Vision Transformer (ViT) 模型的 PQD 分类新方法。当发生 PQD 时，所提出的方法首先将电能质量信号转换为图像，然后利用预训练的 ViT 准确确定该 PQD 的类别。与以往局限于少数扰动类别或小型数据集的大多数工作不同，所提出的方法在一个包含 17 种扰动类别的大型数据集上进行了训练和测试。我们的实验结果表明，所提出的基于 ViT 的方法实现了 98.28% 的 PQD 分类精确率和 97.98% 的召回率，优于近期应用于同一数据集的技术。
引用
@article{arxiv.2409.00025,
title = {A Novel Approach to Classify Power Quality Signals Using Vision Transformers},
author = {Ahmad Mohammad Saber and Alaa Selim and Mohamed M. Hammad and Amr Youssef and Deepa Kundur and Ehab El-Saadany},
journal= {arXiv preprint arXiv:2409.00025},
year = {2024}
}
备注
IECON 2024-50th Annual Conference of the IEEE Industrial Electronics Society, Chicago, U.S.A, 2024, pp. 1-6