基于轻量化神经网络的配电网异常数据检测方法及系统

本发明提出了基于轻量化神经网络的配电网异常数据检测方法及系统，涉及配电网异常数据检测领域，包括：获取广域测量系统中一段时间内的PMU量测数据，并进行预处理；去除PMU量测数据中的趋势分量，获得目标信号；采用连续小波变换，提取目标信号中的时频特征；将时频特征输入到训练好的异常数据检测模型中，判断是否发生异常；其中，所述异常数据检测模型是基于改进后的ShuffleNetV2构建的轻量化神经网络，所述改进是将全局深度可分离卷积层和参数线性整流函数替换最后的全局池化层；本发明基于连续小波变换和改进后的ShuffleNetV2，构建轻量级网络从时频特征中，更快速、精准地检测相量测量单元的异常数据。