一种基于数据驱动的电能质量扰动识别方法

本发明提出了一种基于数据驱动的电能质量扰动识别方法，属于电能质量扰动识别技术领域，包括以下步骤：S1：获取配电网设定时段内的电能质量扰动电压信号；S2：基于希尔伯特变换对电能质量扰动电压信号进行数据增强，将电能质量扰动电压信号中的扰动数据进行放大；S3：使用MLSTM‑FCNs模型，并将数据增强后的电能质量扰动电压信号输入MLSTM‑FCNs模型对其进行预训练，最终取得并保存最佳训练模型；S4：将最佳训练模型作为特征提取器，基于宽度学习算法建立并训练宽度学习分类模型，通过宽度学习分类模型对电能质量扰动电压信号进行分类，输出扰动数据的识别结果，本发明将深度学习、增量学习与传统的信号处理技术结合，具有更好的鲁棒性。