一种基于深度学习的两阶段配电网异常事件辨识方法及系统

本发明公开了一种基于深度学习的两阶段配电网异常事件辨识方法及系统，包括：获取配电网PMU电压时序数据，通过相对位置矩阵将所述PMU电压时序数据转换为二维图像，输入至卷积神经网络模型进行初步辨识，输出初始事件类别及对应的置信度；若所述初始事件类别属于预设的易混淆类别对且所述置信度低于预设阈值，则判定为疑难样本；将所述疑难样本的原始PMU电压时序数据输入至时间卷积网络模型，结合监督对比学习策略优化特征空间结构并进行再识别，输出最终事件类别。