基于CapsNet和动态路由的电能质量扰动分类

摘要

如何从海量的测量数据信息中快速提取电能质量信号,并实现准确的信号分类和参数辨识是电力系统领域研究的热点问题之一,针对传统方法存在训练样本量大、高信噪比环境下辨识能力不足,结合胶囊网络(Capsule Networks,CapsNet)的特征和动态路由机制,提出一种新型电能质量扰动分类辨识方法,使用矢量长度来替代传统单一标量表示预测概率的形式。在说明胶囊网络结构的基础上,从信息压缩和路由机制两个方面构建了算法理论基础。仿真算例结果表明该方法在高信噪比环境下能准确辨识各种电能质量扰动信息,具有较强的鲁棒性。