利用自编码器去噪技术提升基于脉冲星的智能电网定时性能

《Protection and Control of Modern Power Systems》：Enhancing Pulsar-Inspired Timing Performance with Autoencoder Denoising for Smart Grid

　　

摘要：

智能电网依赖精确的时间同步来实现高效运行和实时决策，而传统的基于GPS的方法存在一些局限性。受脉冲星启发的时间同步技术提供了一个有前景的替代方案，但由于接收到的信号复杂且信噪比较低，从脉冲星数据中提取可靠的时间信号需要先进的去噪技术。本文提出了一种深度学习（DL）算法——具体来说是一种自编码器，用于去噪脉冲星信号，旨在简化信号处理过程的同时提高去噪性能。我们开发了一个综合的仿真框架，结合了数学模型和物理模型来生成用于训练的现实合成数据。通过多种指标评估了该DL模型的性能，并将其与小波变换等传统方法进行了对比。实验结果表明，基于DL的方法优于传统方法，这凸显了深度学习技术在脉冲星信号去噪方面的有效性和适应性，为在智能电网同步中实际应用脉冲星启发的时间同步解决方案奠定了基础。