【技術實現步驟摘要】
本專利技術涉及一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，屬于電能質量擾動識別領域。
技術介紹
1、電能質量擾動是指電力系統中發生的電壓、電流等參數的瞬時波動，對電力系統的正常運行和設備的正常使用造成了影響，因此對電能質量擾動的識別和分類具有重要的實際意義。傳統的電能質量擾動識別方法大多基于一維時間序列分析，缺乏直觀性和可視性，同時容易受到噪聲和偽影的干擾，導致識別精度不高。
2、近年來，隨著圖像處理和深度學習技術的不斷發展，將一維時間序列轉化為彩色圖像，利用圖像特征進行識別已經成為一種新的思路。基于圖像的電能質量擾動識別方法可以有效地提高識別的準確性和可靠性，但仍然存在一些問題。一般的信號處理方法往往采用單一的方法將時間序列轉換為圖像，可能會存在某些數據特征無法被充分地表示或捕捉的情況。這可能會導致某些信息的丟失或混淆，從而影響到分類的準確性。
3、此外，流行的深度學習模型如lenet、alexnet、googlenet存在模型深度較低、過擬合等問題，難以提高電能質量擾動識別識別的準確率。
技術實現思路
1、為了克服現有技術中存在的問題，本專利技術設計了一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，將信號轉換為不同特征的圖像，并進行自適應濾波的圖像融合，然后利用resnetxt-50網絡實現快速且高精度的復雜電能質量擾動識別。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、
4、獲得電能質量擾動信號；
5、將電能質量擾動一維時間序列處理成不同特征的彩色圖像；
6、利用adf方法對不同特征的彩色圖像進行融合；
7、利用resnetxt-50對融合后的圖像進行電能質量擾動識別
8、進一步地，所述將電能質量擾動一維時間序列處理成不同特征的彩色圖像，具體為：
9、將一維時間序列劃分成p個不同的區間，計算相鄰區間之間的轉移概率，得到轉移概率矩陣；加入時間軸擴展整個轉移概率矩陣，得到mtf矩陣，將mtf矩陣的每個元素映射到一個顏色空間，得到二維mtf圖像。
10、對電能質量擾動信號一維時間序列進行極坐標編碼，得到編碼結果；計算編碼結果的格拉米角場矩陣，得到二維gaf圖像。
11、對一維時間序列構建相空間重構矩陣，得到相似度矩陣；定義閾值并構建二維圖像，得到二維rp圖像。
12、采用一種基于自適應濾波的圖像融合(adf)方法，將三種不同的彩色圖像融合為一張綜合圖像。
13、進一步地，所述利用adf方法對不同特征的圖像進行融合，具體為：
14、對上述三種不同特征的彩色圖像進行多尺度分解。
15、在每個分解層上應用自適應濾波器來融合圖像，保留輸入圖像的細節和紋理信息，同時減少偽影和噪聲。
16、將融合后的圖像通過多尺度逆變換重建為一張綜合圖像。
17、進一步地，將融合后的圖像輸入resnetxt-50網絡中，進行電能質量擾動識別，確定擾動的類別，具體為：
18、輸入的彩色圖像先經過固定大小等預處理后送入網絡，經過多個卷積層和池化層提取特征，并通過全連接層輸出圖像所代表的電能質量擾動類別結果。
19、借由上述技術方案，本專利技術提供了一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，至少具備以下有益效果：
20、1.本專利技術采用馬爾可夫轉移場(mtf)、重現度圖(rp)和格拉米角場(gaf)方法將電能質量擾動一維時間序列處理成三種不同的彩色圖像。這些方法能夠將時間序列轉化為一系列的圖像表示，更好地展現數據特征。
21、2.本專利技術采用一種基于自適應濾波的圖像融合(adf)方法，將三種不同的彩色圖像融合為一張綜合圖像。該方法通過對輸入圖像進行多尺度分解，然后在每個分解層上應用自適應濾波器來融合圖像。adf方法能夠保留輸入圖像的細節和紋理信息，同時減少偽影和噪聲，具有融合效果好、計算速度快等優點，能夠有效地將不同特征的圖像融合在一起，提高了擾動識別的準確性。相較于單一模態圖像直接分類，多模態圖像融合可以獲得更多的信息，提高了識別的準確性和魯棒性。
22、3.利用resnetxt-50模型對融合后的彩色圖像進行分類，判斷電能質量擾動的類型。resnetxt-50模型是一種深度卷積神經網絡模型，能夠有效的避免模型過擬合，具有很強的圖像分類能力，能夠快速、準確地對電能質量擾動進行識別。
本文檔來自技高網...【技術保護點】
1.一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于：所述將電能質量擾動一維時間序列轉換為不同特征的彩色圖像表示，具體為：
3.根據權利要求1所述的一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于：所述利用ADF方法將三種彩色圖像進行融合，具體為：
4.根據權利要求1所述的一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于：所述利用ResNetXt-50模型進行電能質量擾動類型的識別，具體為：
5.根據權利要求1所述的一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于：包括一種計算機可讀存儲介質，具體為：
6.根據權利要求1所述的一種基于多模態圖像融合與ResNetXt-50的電能質量擾動識別方法，其特征在于：包括一種電子設備，具體包括：
【技術特征摘要】
1.一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，其特征在于：所述將電能質量擾動一維時間序列轉換為不同特征的彩色圖像表示，具體為：
3.根據權利要求1所述的一種基于多模態圖像融合與resnetxt-50的電能質量擾動識別方法，其特征在于：所述利用adf方法將三種彩色圖像進行融合，具體為：
4....
【專利技術屬性】
技術研發人員：段章領，彭志，夏浩源，劉雨鑫，楊建文，
申請(專利權)人：安徽大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。