大功率非线性负载,电力电子器件以及分布式新能源电源的大量使用,给配电网带来了许多电能质量问题以及额外损耗。作为需求量最大的电动机,异步电动机的运行效率将直接影响配电网的能效,因此对电能质量因素扰动下异步电动机的能效进行准确评估,为后续开展配电网节能降损工作有重大的指导意义。目前对电能质量因素影响下异步电动机能效的研究主要集中在三相不平衡和谐波,对电压波动与闪变及复合电能质量因素的研究较少,且缺乏足够的现场试验数据支撑理论研究。另外,目前对异步电动机的能效计算主要采用T型等效电路,存在代数计算较为繁琐,需要电机内部参数过多以及精度不高的问题。针对以上问题,本文从异步电动机的损耗组成和三相不平衡、谐波、电压波动与闪变的定义出发,介绍了上述三种电能质量因素单一扰动下异步电动机能效计算模型。然后对复合电能质量因素进行解耦,推导出复合电能质量因素扰动下能效计算模型,并采用MATLAB编程软件对各能效计算模型进行仿真分析。在采用传统T型等效电路对异步电动机能效进行计算的基础上,本文提出一种基于纵横交叉算法优化特征注意力机制与卷积神经网络的电动机能效评估方法。首先通过特征注意力机制计算不同输入特征与能效之间的概率权值并赋予重要特征更高的权重,其次采用卷积神经网络对实测电机数据进行数据特征学习和处理,充分挖掘输入参数与能效之间的非线性关系,最后采用纵横交叉算法对全连接层与输出层的权值和阈值进行二次训练,使模型在训练过程实现进一步收敛。为了对本文所提模型进行仿真实验,本文通过大容量电能质量试验平台,对异步电动机进行大量电能质量扰动现场试验。通过调节扰动源功率柜、控制柜等设备实现三相不平衡、谐波及电压波动与闪变自定义输出功能,采集并汇总了异步电动机电能质量扰动数据集。最后以采集的大量试验数据为训练样本,将异步电动机平均电压,负载率以及各电能质量指标作为输入特征参数,以异步电动机损耗为输出目标参数,建立本文所提深度学习模型,并与T型等效电路以及传统机器学习方法进行误差对比。结果表明本文所提异步电动机能效评估方法在能效评估准确性、泛化性和稳定性上都具有更优秀的表现。