王以忠，栾振国，郭肖勇，许素霞，侯 勇

(1.天津科技大学电子信息与自动化学院，天津300222；2.河北德瑞特电器有限公司，石家庄050000)

随着科学技术的发展和经济的快速增长，人们对电能质量的关注也逐渐提高[1-2].在科学研究工作中，大量高精度和高灵敏度的用电设备对供电系统的电能质量不断提出更高要求.并且，随着智能家用电器和电子设备走进千家万户，人们在日常生活中对高质量电能的需要也日益迫切[3].由于电力来源和用电负荷越来越多样化[4-5]，导致电力系统中电能质量扰动信号变得日益复杂和多样[6].因此，亟需一种高效而准确的扰动信号识别与检测方法.

现有的电能扰动信号识别与检测算法通常分为两部分：首先是设计出合理的扰动特征提取方法，例如常见的特征提取算法有小波变换[7-8]、S变换[9-10]、原子分解法[11]以及快速傅里叶变换(FFT)等[12]；然后再设计出可以对特征进行分类的分类器，并利用之前提取的特征进行分类，常见的分类器有人工神经网络(ANN)[11-12]、支持向量机[13]以及随机森林等[14].在上述检测算法中，通常需要应用大量的专业知识才能设计出高效而准确的特征提取算法.识别的准确性一方面依赖于分类器的设计，另一方面则依赖于特征的提取是否高效而准确.

近年来，机器学习领域中的深度学习算法引起了学者的广泛关注[15].通常的ANN中只包含线性变换和非线性激活两种操作，表达能力十分有限.而深度学习算法一方面利……