Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Deep Learning For Pattern Recognition Of Interharmonics In Time-Series And Spectrograms
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0001-5845-5620
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0002-3587-7879
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0002-4004-0352
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0003-4074-9529
2021 (Engelska)Ingår i: CIRED 2021 - The 26th International Conference and Exhibition on Electricity Distribution, 2021, s. 738-741Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This work applies an unsupervised deep feature learning to finding patterns of interharmonics. The main objectives of this work are to provide an additional graphical tool to handle two distinct data inputs: (a) individual interharmonics components in time-series; (b) broadband spectrum by employing spectrograms. Both data inputs are analysed employing an autoencoder based on convolutional neural networks followed by clustering. The application of the method results in the most common patterns in time-series or spectrograms. Two study cases are presented by applying the method to measurements from solar installations in Finland and Sweden. The results show the usefulness of the method to recognize interharmonics in a single frequency and broadband spectrum.

Ort, förlag, år, upplaga, sidor
2021. s. 738-741
Nyckelord [en]
Deep Learning, Power Quality, Pattern Recognition, Interharmonics
Nationell ämneskategori
Elektroteknik och elektronik
Forskningsämne
Elkraftteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-92470DOI: 10.1049/icp.2021.1930OAI: oai:DiVA.org:ltu-92470DiVA, id: diva2:1687272
Konferens
26th International Conference and Exhibition on Electricity Distribution (CIRED 2021), Online, September 20-23, 2021
Anmärkning

ISBN för värdpublikation: 978-1-83953-591-8 (elektroniskt)

Tillgänglig från: 2022-08-15 Skapad: 2022-08-15 Senast uppdaterad: 2023-09-05Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Person

de Oliveira, Roger AlvesRavindran, VineethaRönnberg, SarahBollen, Math

Sök vidare i DiVA

Av författaren/redaktören
de Oliveira, Roger AlvesRavindran, VineethaRönnberg, SarahBollen, Math
Av organisationen
Energivetenskap
Elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 37 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf