摘要：精准的电能质量扰动识别是对电能质量扰动事件发生后需要解决的主要问题之一，这对划分责任和加快电力市场化进程均具有重要意义，而海量的电能质量监测数据则为电能质量扰动识别提供了条件与机遇。不同的电能质量扰动类型，其电气特征上也存在区别，故可利用不同电能质量扰动波形之间的差异来区分电能质量扰动类型。结合深度学习理论，建立一种基于双向独立循环神经网络的复合电能质量扰动识别方法，通过提取电能质量扰动信号的本质特征量，建立输入序列与输出序列之间的内在对应关系，克服了分析结果对物理特征量的依赖性，提升了电能质量扰动识别准确率。实验结果表明，所提方法可以有效应对复合电能质量扰动的多样性问题，可以直接从原始的底层数据中自主学习复合电能质量扰动信号中所隐藏的本质特征量，识别准确率高。

      关键词：电能质量扰动识别；双向独立循环神经网络；深度学习

      中图分类号：TM715     文献标识码：A