基于时序二维变换和多尺度Transformer的电能质量扰动分类方法

王守相; 李慧强; 赵倩宇; 郭陆阳; 王同勋; 王洋

doi:10.7500/AEPS20240412005

您当前的位置：

首页 >

文章列表页 >

基于时序二维变换和多尺度Transformer的电能质量扰动分类方法

学术研究 | 更新时间：2025-06-16

- 基于时序二维变换和多尺度Transformer的电能质量扰动分类方法
- Power Quality Disturbance Classification Method Based on Time-series Two-dimensional Transformation and Multi-scale Transformer
- 电力系统自动化 2025年49卷第7期页码：198-207
- 作者机构：
  
  1.智能电网教育部重点实验室（天津大学），天津市 300072
  2.天津市电力系统仿真控制重点实验室（天津大学），天津市 300072
  3.国网智能电网研究院有限公司，北京市 102209
- 作者简介：
  
  王守相(1973—)，男，博士，教授，博士生导师，主要研究方向：分布式发电与智能配电网。E-mail：sxwang@tju.edu.cn
  李慧强(1995—)，男，硕士研究生，主要研究方向：电能质量扰动分析。E-mail：lihuiqiang@tju.edu.cn
  赵倩宇(1990—)，女，博士，副教授，主要研究方向：智能配用电。E-mail：zhaoqianyu515@126.com
  郭陆阳(1995—)，男，通信作者，博士研究生，主要研究方向：智能配用电。E-mail：guoluyang@tju.edu.cn
- 基金信息：
  
  国家重点研发计划资助项目(2023YFB2407500)
- DOI：10.7500/AEPS20240412005
  中图分类号：
- 收稿：2024-04-12，
  
  修回：2024-10-30，
  
  网络出版：2024-12-16，
  
  纸质出版：2025-04-10
- 稿件说明：
移动端阅览
王守相,李慧强,赵倩宇等.基于时序二维变换和多尺度Transformer的电能质量扰动分类方法[J].电力系统自动化,2025,49(7):198-207.

WANG Shouxiang,LI Huiqiang,ZHAO Qianyu,et al.Power Quality Disturbance Classification Method Based on Time-series Two-dimensional Transformation and Multi-scale Transformer[J].Automation of Electric Power Systems,2025,49(7):198-207.
王守相,李慧强,赵倩宇等.基于时序二维变换和多尺度Transformer的电能质量扰动分类方法[J].电力系统自动化,2025,49(7):198-207. DOI： 10.7500/AEPS20240412005.

WANG Shouxiang,LI Huiqiang,ZHAO Qianyu,et al.Power Quality Disturbance Classification Method Based on Time-series Two-dimensional Transformation and Multi-scale Transformer[J].Automation of Electric Power Systems,2025,49(7):198-207. DOI： 10.7500/AEPS20240412005.

摘要

随着新能源渗透率的不断提高，电网面临的电能质量扰动（PQD）问题变得更加复杂，基于一维PQD信号的传统分类方法难以同时提取并辨识周期性与趋势性扰动。针对此问题，提出了一种基于时序二维变换和多尺度Transformer的PQD分类方法。首先，利用时序二维变换将一维PQD时间序列转换为一组基于多个周期的二维张量，以实现在二维空间中深入挖掘PQD信号中所包含的特征信息。然后，通过多尺度Transformer编码器模块提取PQD信号的多尺度特征图，利用多尺度Transformer解码器模块对多尺度特征图进行拼接和特征融合，有效合并在不同尺度上提取的特征图。最后，通过全连接层和Softmax分类器完成PQD分类任务。为验证所提方法的有效性，建立了含24种PQD的数据集对模型进行测试，结果表明所提方法对PQD信号具有较高的分类准确率和噪声鲁棒性。

Abstract

With the increasing penetration of renewable energy

the power quality disturbance (PQD) problem faced by the power grid has become more complicated. The traditional classification method based on one-dimensional PQD signals has difficulty in extracting and identifying periodic and trend disturbances at the same time. To address this problem

this paper proposes a PQD classification method based on time-series two-dimensional transformation and multi-scale Transformer. First

the time-series two-dimensional transformation is used to convert the one-dimensional PQD time series into a set of two-dimensional tensors based on multiple periods

to deeply mine the characteristic information contained in the PQD signals in the two-dimensional space. Then

the multi-scale feature map of the PQD signal is extracted through the multi-scale Transformer encoder module. And the multi-scale Transformer decoder module is used to splice and fuse the multi-scale feature maps

for effectively merging the feature maps extracted on different scales. Finally

the PQD classification task is accomplished through a fully connected layer and a Softmax classifier. To verify the effectiveness of the proposed method

a dataset containing 24 kinds of PQD is established to test the model. The results indicate that the proposed method has a high classification accuracy and noise robustness for PQD signals.

关键词

Keywords

references

张勇军，羿应棋，李立浧，等 . 双碳目标驱动的新型低压配电系统技术展望［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 1 - 12 .

ZHANG Yongjun ， YI Yingqi ， LI Licheng ， et al . Prospect of new low-voltage distribution system technology driven by carbon emission peak and carbon neutrality targets ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 1 - 12 .

胡博，谢开贵，邵常政，等 . 双碳目标下新型电力系统风险评述：特征、指标及评估方法［J］. 电力系统自动化， 2023 ， 47 （ 5 ）： 1 - 15 .

HU Bo ， XIE Kaigui ， SHAO Changzheng ， et al . Commentary on risk of new power system under goals of carbon emission peak and carbon neutrality： characteristics， indices and assessment methods ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 5 ）： 1 - 15 .

何晋伟，孟维奇，蒋玮，等 . 新能源配电网电能质量典型问题分析及应对策略［J］. 高电压技术， 2023 ， 49 （ 7 ）： 2983 - 2994 .

HE Jinwei ， MENG Weiqi ， JIANG Wei ， et al . Power quality problems in renewable energy power distribution systems： analysis and solutions ［J］. High Voltage Engineering ， 2023 ， 49 （ 7 ）： 2983 - 2994 .

MAHELA O P ， KHAN B ， ALHELOU H H ， et al . Power quality assessment and event detection in distribution network with wind energy penetration using stockwell transform and fuzzy clustering ［J］. IEEE Transactions on Industrial Informatics ， 2020 ， 16 （ 11 ）： 6922 - 6932 .

ANGGRIAWAN D O ， WAHJONO E ， SUDIHARTO I ， et al . Identification of short duration voltage variations based on short time Fourier transform and artificial neural network ［C］// 2020 International Electronics Symposium （IES）， September 29-30 ， 2020 ， Surabaya， Indonesia ： 43 - 47 .

HONG W H ， LIU Z W ， WU X Y . Power quality disturbance recognition based on wavelet transform and convolutional neural network ［C］// 2021 IEEE International Conference on Artificial Intelligence and Computer Applications （ICAICA）， June 28-30 ， 2021 ， Dalian， China ： 193 - 197 .

LIANG C B ， TENG Z S ， LI J M ， et al . A Kaiser window-based S-transform for time-frequency analysis of power quality signals ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 2 ）： 965 - 975 .

MA J ， LIU J ， QIU W ， et al . An intelligent classification framework for complex PQDs using optimized KS-transform and multiple fusion CNN ［J］. IEEE Transactions on Industrial Informatics ， 2024 ， 20 （ 2 ）： 1776 - 1785 .

马嘉秀，徐玮浓，何复兴，等 . 基于WT和SVM的电能质量分类识别方法［J］. 智慧电力， 2019 ， 47 （ 3 ）： 16 - 22 .

MA Jiaxiu ， XU Weinong ， HE Fuxing ， et al . A novel power quality classification and identification method based on WT and SVM ［J］. Smart Power ， 2019 ， 47 （ 3 ）： 16 - 22 .

李祖明，吕干云，陈诺，等 . 基于混沌集成决策树的电能质量复合扰动识别［J］. 电力系统保护与控制， 2021 ， 49 （ 21 ）： 18 - 27 .

LI Zuming ， LÜ Ganyun ， CHEN Nuo ， et al . Recognition of hybrid PQ disturbances based on a chaos ensemble decision tree ［J］. Power System Protection and Control ， 2021 ， 49 （ 21 ）： 18 - 27 .

WANG S X ， CHEN H W . A novel deep learning method for the classification of power quality disturbances using deep convolutional neural network ［J］. Applied Energy ， 2019 ， 235 ： 1126 - 1140 .

王义国，林峰，李琦，等 . 基于TCN-LSTM模型的电网电能质量扰动分类研究［J］. 电力系统保护与控制， 2024 ， 52 （ 17 ）： 161 - 167 .

WANG Yiguo ， LIN Feng ， LI Qi ， et al . Classification of power quality disturbances in a power grid based on the TCN-LSTM model ［J］. Power System Protection and Control ， 2024 ， 52 （ 17 ）： 161 - 167 .

LI H X ， YI B S ， LI Q X ， et al . Evaluation of DC power quality based on empirical mode decomposition and one-dimensional convolutional neural network ［J］. IEEE Access ， 2020 ， 8 ： 34339 - 34349 .

龚正，邹阳，金涛，等 . 基于特征融合并行优化模型的电能质量扰动分类方法［J］. 中国电机工程学报， 2023 ， 43 （ 3 ）： 1017 - 1027 .

GONG Zheng ， ZOU Yang ， JIN Tao ， et al . Classification method of power quality disturbances based on optimized parallel model of features merging ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 3 ）： 1017 - 1027 .

CUI C H ， DUAN Y J ， HU H L ， et al . Detection and classification of multiple power quality disturbances using stockwell transform and deep learning ［J］. IEEE Transactions on Instrumentation and Measurement ， 2022 ， 71 ： 1 - 12 .

郑炜，林瑞全，王俊，等 . 基于GAF与卷积神经网络的电能质量扰动分类［J］. 电力系统保护与控制， 2021 ， 49 （ 11 ）： 97 - 104 .

ZHENG Wei ， LIN Ruiquan ， WANG Jun ， et al . Power quality disturbance classification based on GAF and a convolutional neural network ［J］. Power System Protection and Control ， 2021 ， 49 （ 11 ）： 97 - 104 .

WU H X ， HU T G ， LIU Y ， et al . TimesNet： temporal 2D-variation modeling for general time series analysis ［EB/OL］. ［ 2024-03-20 ］. https：//arxiv.org/abs/2210.02186v3 https://arxiv.org/abs/2210.02186v3 .

YANG J ， KE A H ， YU Y X ， et al . Scene sketch semantic segmentation with hierarchical Transformer ［J］. Knowledge-Based Systems ， 2023 ， 280 ： 110962 .

XIE E Z ， WANG W H ， YU Z D ， et al . SegFormer： simple and efficient design for semantic segmentation with transformers ［EB/OL］. ［ 2024-03-20 ］. https：//arxiv.org/abs/2105.15203 https://arxiv.org/abs/2105.15203 .

LIU Y L ， JIN T ， MOHAMED M A . A novel dual-attention optimization model for points classification of power quality disturbances ［J］. Applied Energy ， 2023 ， 339 ： 121011 .

IEEE recommended practice for monitoring electric power quality： IEEE Std.1159—2019 ［S］. 2019 .

金星，周凯翔，于海洲，等 . 基于卷积神经网络与Transformer的电能质量扰动分类方法［J］. 科学技术与工程， 2024 ， 24 （ 16 ）： 6726 - 6733 .

JIN Xing ， ZHOU Kaixiang ， YU Haizhou ， et al . Power quality disturbances classification method based on convolutional neural network and Transformer ［J］. Science Technology and Engineering ， 2024 ， 24 （ 16 ）： 6726 - 6733 .

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 .

WANG Haidong ， CHENG Shan ， XU Qiping ， et al . Identification of power quality disturbance with noises based on an integrated deep learning network ［J］. Power System Protection and Control ， 2024 ， 52 （ 10 ）： 11 - 20 .

林海雪 . 第1讲供电电压偏差标准［J］. 建筑电气， 2011 ， 30 （ 4 ）： 3 - 9 .

LIN Haixue . Lecture one： standard of supply voltage deviation ［J］. Building Electricity ， 2011 ， 30 （ 4 ）： 3 - 9 .

林海雪 . 第2讲电力系统频率偏差标准［J］. 建筑电气， 2011 ， 30 （ 5 ）： 10 - 14 .

LIN Haixue . Lecture two： standard of frequency deviation for power system ［J］. Building Electricity ， 2011 ， 30 （ 5 ）： 10 - 14 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

同步测量数据驱动的配电网扰动源分类方法

计及光伏变流器运行约束的并网点不平衡电压最优治理方法

计及异常场景数据缺失的负荷超短期预测