基于特征子序列的电网线路功率返送行为识别分类方法

本发明公开了基于特征子序列的电网线路功率返送行为识别分类方法，涉及电网运行状态监测技术领域；本发明通过对历史有功功率时间序列数据进行预处理和样本构建，形成标注数据集；基于特征子序列变换训练可解释的特征子序列瓶颈模型，通过多尺度特征子序列相似度计算和线性分类提供具有明确物理意义的决策依据；并行训练深度神经网络以捕捉复杂特征；设计基于预测置信度的门控函数实现动态路由决策；联合训练形成电网线路功率返送行为网络；有效解决了传统深度学习模型黑箱问题与特征物理意义不明确的缺陷，实现了可解释性与高精度的统一，能够快速、准确地对实时功率数据进行分类识别，为电网安全稳定运行提供可靠支撑。