基于GAF和ResNet-CBAM融合架构的电力负载识别方法及系统

本申请公开一种基于GAF和ResNet‑CBAM融合架构的电力负载识别方法及系统，涉及电力负载识别技术领域，包括采集电力数据并经初始数据处理后存为第一数据库；进行事件检测以确定事件发生时间；获取事件发生前后稳态数据生成事件对应的电量参数数据并生成信号波形，提取特征谐波；经GAF算法生成二维特征图像，利用ResNet‑CBAM神经网络对二维特征图像进行训练生成负载类型识别模型，利用识别模型识别负载类型。上述方案通过改进的GAF编码将原始信号转换为角度领域投影，实现特征的空间表示，改进的GAF可有效将电力负载数据转化为图像形式，便于传统神经网络直接对其进行处理，利于提升电力负载识别精度。