您当前的位置：
首页 >
文章列表页 >
基于图像分析的电能质量扰动边-云协同辨识框架
电力系统 | 更新时间：2026-02-01

    • 基于图像分析的电能质量扰动边-云协同辨识框架

    • Edge-cloud Collaborative Identification Framework for Power Quality Disturbances Based on Image Analysis

    • “随着分布式源荷渗透率的提高，传感器监测数据呈海量增长，电网运维服务对于电能质量数据分析提出了快速响应需求。为实现快速响应和高精度的电能质量扰动辨识服务，该文提出一种基于图像分析的电能质量扰动边 - 云协同辨识框架。借助图像分析领域最新进展，提出双相 Lissajous 轨迹概念，将电能质量扰动信号转换成具有特殊形状的轨迹图像。在边缘和云部署相同结构的轻量级卷积神经网络，分别执行快速响应和训练任务。通过边 - 云共享模型权重，该框架能够实现快速、高精度的电能质量扰动辨识。为持续提升模型性能，设计一个深层卷积神经网络部署至云端进行数据标记以辅助模型更新。实验结果表明，该框架能够提供精度更高的电能质量扰动辨识，且满足工程实际中的实时响应需求。”
    • 中国电机工程学报   2025年45卷第12期 页码：4593-4607

    • DOI：10.13334/j.0258-8013.pcsee.232763    

      中图分类号： TM76

    • 收稿：2023-12-15，

      网络出版：2024-06-13，

      纸质出版：2025-06-20

    移动端阅览

  • 张玺, 郑建勇, 梅飞, 等. 基于图像分析的电能质量扰动边-云协同辨识框架[J]. 中国电机工程学报, 2025,45(12):4593-4607. DOI： 10.13334/j.0258-8013.pcsee.232763.

    Xi ZHANG, Jianyong ZHENG, Fei MEI, et al. Edge-cloud Collaborative Identification Framework for Power Quality Disturbances Based on Image Analysis[J]. Proceedings of the CSEE, 2025, 45(12): 4593-4607. DOI： 10.13334/j.0258-8013.pcsee.232763.

  •  
  •  

0

浏览量

90

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

分析电能质量扰动的实小波域修正相子法
采用电量参数分析方法的电能质量扰动参数估计
遗传优化时频参数的电能质量扰动匹配特征分析

相关作者

陈祥训
刘兵
赵波
冯宇
唐轶
吴夕科
侯世英
张文玉

相关机构

  中国电力科学研究院  
  中国电力科学研究院 北京市海淀区100085  
国网电力科学研究院高压电器研究所
中国矿业大学信息与电气工程学院
输配电装备及系统安全与新技术国家重点实验室(重庆大学)
0