一种基于机器学习的配电网故障自愈方法和系统

本发明涉及配电网技术领域，且公开了一种基于机器学习的配电网故障自愈方法和系统，所述方法包括实时采集配电网多源故障特征数据，包括电压电流波形畸变特征、负荷突变特征及设备温度异常特征，将所述多源故障特征数据输入多级分类模型进行处理，通过设置伪故障过滤模块，在进行配电网故障实时检测时，建立典型干扰特征库，以及针对不同工况设定动态过滤阈值，保证各类干扰信号的识别准确性，同时将实时采集数据与伪故障特征进行相似度比对，能够实时检测配电网故障定位位置是否出现信号失真和噪声污染的问题，保证故障类型识别的精准性，降低误判风险，且在策略适配异常时，保证自愈策略与电网实际状态的匹配度。