一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法

本发明公开了一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，属于扰动识别技术领域，包括以下步骤：S1：获取电能质量扰动数据，归一化时间序列数据；S2：将归一化后的数据映射到极坐标系，计算格拉姆矩阵，转换为图像；S3：利用改进的轻量级残差网络对图像特征进行提取；S4：对提取的特征通过全局平均池化计算所有元素的平均值，转化为一个固定长度的向量，最后通过分类层进行分类。本发明基于格拉姆角场将电能质量扰动一维数据转换成二维图像；将原始ResNet34网络中的残差块结构进行改进，提高了特征提取能力，降低了模型的复杂度，提高了训练和推理效率，参数量与训练耗时都减少了一半。