基于卷积神经网络的电能质量扰动识别方法、系统及介质

本发明涉及电能质量分析技术领域，具体公开了基于卷积神经网络的电能质量扰动识别方法、系统及介质，本发明方法包括：基于优化窗参数的Kaiser窗S变换提取电能质量扰动信号的时频特征图；将时频特征图输入预先训练好的卷积注意力神经网络，得到电能质量扰动信号对应的电能质量扰动识别结果。本发明通过采用优化窗参数的Kaiser窗S变换实现扰动信号的时频分析，能够显著提高信号时频分析的能量集中度，进而结合卷积注意力神经网络对信号时频特征图进行扰动的自动分类，能够实现电能质量扰动的准确分类，可避免扰动特征人为设计的困扰，具有较强的抗噪性与分类准确性，实现不同噪声环境下对复杂电能质量扰动的高效检测与分类。