一种基于卷积神经网络的电力系统负荷特征事件识别方法、系统、终端设备及存储介质

本发明公开了一种基于卷积神经网络的电力系统负荷特征事件识别方法、系统、终端设备及存储介质，属于负荷特征事件识别领域，该方法通过实时采集节点电压、系统频率、有功及无功功率参数构建仿真模型，分别进行未扰动与扰动仿真处理，获取负荷运行数据的响应轨迹；基于轨迹计算灵敏度并生成评价指标，筛选出关键节点后，将其负荷数据输入预训练的卷积神经网络进行特征事件识别。通过精准筛选关键节点并结合深度学习算法，提高负荷特征事件识别的准确性，解决现有技术利用人工智能算法因缺乏关键节点精准筛选机制而导致在复杂非线性负荷场景中对节点的负荷特征事件的识别精度低的问题。