随着新能源渗透率的不断提高，电网所受电能质量扰动(power　quality　disturbances,PQD)变得更加复杂，传统方法难以准确识别扰动类型并定位扰动时间。因此，该文提出一种基于多级注意力机制融合的PQD点分类及时间定位方法。该方法以卷积神经网络为基础建立分类模型，在预处理和模型内部分别嵌入局部特征注意力机制(localfeature　attention　mechanism,LFAM)和双尺度注意力机制(dual-scale　attention　mechanism,DSAM)。其中，LFAM根据幅值包络线追踪信号的幅值变化，以加权方式增强信号波形的局部特征；DSAM则从通道和神经元两个尺度协助模型学习各维度特征的重要性。最后，模型以多类别-多输出的形式对每个采样点进行分类，并完成扰动时间定位。为了验证所提方法的有效性，该文建立含63种PQD类型的仿真数据库对模型进行测试。在30　dB白噪声环境下，该模型平均分类准确率为99.10%，时间定位误差均为毫秒级，具有更强的泛化性能和鲁棒性。同时，基于交流电源搭建硬件平台来测试模型，其平均准确率为99.03%，进一步验证了所提方法的可靠性。