基于时、频特征融合分类网络的复合电能质量扰动识别方法

基于时、频特征融合分类网络的复合电能质量扰动识别方法，包括：基于自适应噪声的完备模态分解结合小波阈值法对含噪扰动信号进行降噪处理；基于快速傅里叶变换获取降噪信号的频域数据；基于TCN‑Transformer的深度网络，并行从时域和频域对降噪后的信号进行深度特征提取；基于交叉注意力机制加权融合所提取到的信号时域、频域特征，完成分类识别。该方法原理简单，在30dB噪声环境下平均识别准确率可达97.86％，相较于其他主流的深度学习识别模型，表现出更好的识别精度、识别稳定性以及泛化能力。