摘要：針對電能質量擾動數據大、識別算法繁瑣,難以實現在線實時識別等問題,提出了基于深度卷積神經網絡AlexNet的電能質量擾動識別數法,首先將各類電能質量擾動轉化為圖片格式,然后輸入到AlexNet算法,通過學習、調整電能質量擾動信號的特征參數,迭代收斂,最后將實時的電能質量擾動通過訓練好的AlexNet,直接實現擾動識別分類。實時仿真結果表明,所提出的方法能精確識別包括3種復合擾動在內的17種電能質量擾動問題,只需要對電能質量擾動信號進行學習,即可以直接對電能質量擾動信號進行識別與分類,識別算法簡單且處理的時間短,達到了實時性的目的。