用卷积滤波器matlab代码硕士学位论文-CNN和CWT用于功率质量扰动分类
此项目与Itajubá联邦大学的Rafael
S.
Salles题为“高级信号处理和深度学习在质量性能综合度量中的模式识别的使用:智能电网应用”的硕士学位论文相关。
以下是MATLAB和Simulink代码的详细信息。
电能质量(PQ)并不是一个新主题,但绝不能以任何方式忽略它,因为它的性能参数将揭示用户设备和电网之间是否足够的问题。
随着电力系统的不断变革,其特点是可再生能源的高度普及,基于电力电子设备的组件在网络中的大量插入以及发电的分散化,这些问题变得越来越重要。
在智能电网中,寻求用于解决PQ干扰问题的更高级解决方案的解决方案。
在这种情况下,先进的信号处理在处理网络和支持各种应用以及人工智能(AI)方面发挥着至关重要的作用,而人工智能(AI)已在为应用提供多个领域的创新解决方案方面发挥了重要作用。
这项研究调查了高级信号处理和深度学习技术在PQ障碍信号的模式识别和分类中的用途。
为此,带有滤波器组的连续小波变换用于从具有电压干扰的信号中生成具有时频表示的二维图像。
这项工作旨在使用卷积神经网络(CN
2023-09-07 20:24:41
93KB
系统开源
1