针对电能质量种类过多造成的难以分类问题，本文提出了一种改进ResNet(G-ResNet)的电能质量的分类方法。使用格拉姆角场将序列信号转换为格拉姆矩阵，将矩阵叠加后作为深度学习网络模型的输入张量，在ResNet网络中加入通道注意力机制与空间注意力机制，提高模型对局部信号的注意力，使用优化后的ResNet网络对数据进行分类。实验结果表明，所提出的分类方法能够有效地进行分类，比其他分类方法的分类准确率提升了34%，具有一定的应用价值。
科研之友
微信
新浪微博
Facebook
分享链接
