利用 AI Transformer 模型增强电能质量事件分类
机器学习
2024-02-26 v1 信号处理
摘要
近年来，利用机器学习准确分类电能质量事件 (PQEs) 的兴趣日益增长。然而，大多数此类研究均假设理想情况，而现实中可能存在测量噪声、直流偏移以及电压信号幅值和频率的变化。基于先前使用深度学习进行 PQE 分类的工作，本文提出了一种深度学习框架，该框架利用启用注意力机制的 Transformer 作为工具，在上述考量下准确分类 PQE。所提出的框架可直接在电压信号上运行，无需单独的特征提取或计算阶段。结果表明，所提出的框架优于最近提出的基于学习的技术。它能够在上述条件下准确分类 PQE，准确率在 91.43% 至 99.81% 之间变化，具体取决于信噪比、直流偏移以及信号幅值和频率的变化。
引用
@article{arxiv.2402.14949,
title = {Enhancing Power Quality Event Classification with AI Transformer Models},
author = {Ahmad Mohammad Saber and Amr Youssef and Davor Svetinovic and Hatem Zeineldin and Deepa Kundur and Ehab El-Saadany},
journal= {arXiv preprint arXiv:2402.14949},
year = {2024}
}
备注
Accepted in the IEEE Power and Energy Society General Meeting, 2024