一种抗噪声卷积深度学习的配电网拓扑识别方法及系统

本发明公开了一种抗噪声卷积深度学习的配电网拓扑识别方法及系统，涉及配电网技术领域，包括通过电力系统中的传感器网络，收集各节点的电压幅值数据，记录拓扑结构标签，构建初始数据集；对电压幅值数据进行数据增强，构建增强数据集；对卷积神经网络模型，使用增强数据集进行训练；训练完成后，将训练得到的卷积神经网络应用于实时电力系统数据，输出识别的电力系统拓扑结构，得到配电网的线路拓扑通断信息。本发明引入基于高斯噪声和椒盐噪声的数据增强方法，提高模型在噪声环境下的鲁棒性，在实际应用中能有效减少噪声对拓扑识别精度的影响，适用于网状和辐射状拓扑结构识别，具有较好的普适性和适应性。