一种电能质量扰动识别方法

本发明公开了一种电能质量扰动识别方法，该方法主要包括：利用改进S变换(Improved S‑Transform,IST)将一维时间扰动信号转换为二维时频图像并添加标签；读取图像数据，并对该图像进行尺寸调节和标准化操作，将重构后的图像数据存储在单元数组中；通过卷积神经网络(Convolution Neural Network,CNN)对存储在单元数组中的扰动信号进行特征提取；为使得参数的选取更加合理化，利用鸭群算法(Duck SwarmAlgorithm,DSA)对极端梯度提升树(Extreme GradientBoosting,XGBoost)的深度、学习率等参数进行寻优；最后利用DSA优化的XGBoost模型对电能质量扰动信号进行分类，使得该扰动检测方法具备高效性和可解释性。本方法的扰动分类准确率在98％以上，能够有效解决当前电能质量扰动检测方法的时频特征参数辨识精度不高、分类精度不高、难以理解等问题。