一种基于利萨如轨迹和改进DenseNet的复杂电能质量扰动分类方法

本发明公开了一种基于利萨如轨迹和改进DenseNet的复杂电能质量扰动分类方法，包括：基于利萨如轨迹可视化转换方法，将复杂PQDs一维信号集转化为二维特征图像数据集，构建得到复杂电能质量扰动利萨如轨迹可视化数据集，并且划分为训练集、验证集和测试集；通过模块融合将构建好的DenseNet‑S轻量级分类骨架模型和CBAM注意力机制模型进行结合，构建得到DenseNet‑SC融合分类模型；分别对DenseNet‑SC融合分类模型进行训练和动态性能验证，获取到训练过程中损失值最低的最优性能模型；利用测试集对DenseNet‑SC最优性能模型进行分类测试，获取到最终的复杂PQDs分类结果。本发明能够有效提高复杂PQDs的整体分类精度与噪声鲁棒性，同时在扰动分类效率上更具优势，能为电力系统健康态势感知提供方案支撑。