基于无标签自蒸馏和深度学习的电能质量扰动识别方法

本发明提供基于无标签自蒸馏和深度学习的电能质量扰动识别方法，采集无标签电能质量扰动数据，通过马尔可夫转移场转换为二维图像；二维图像进行裁切形成全局视图和局部视图；建立教师网络和学生网络共同训练。迭代得到训练好的教师网络和学生网络模型；将有标签的二维图像输入训练好的教师网络，用以构建特征对比库W。将待识别无标签电能质量扰动二维图像同样输入训练好的教师网络，并输出特征表示；使用加权k‑NN将待识别扰动信号的特征表示与特征对比库相对比，寻找与待识别PQDs特征最为相似的k个特征，并根据其所属类别的特征权重，最终输出待识别PQDs对应的种类。本发明准确率高，让教师网络的指导效果更为优异。