基于深度学习的配电网故障定位与识别方法研究

徐亦迅 （ 长江勘测规划设计研究有限责任公司 ）

https://doi.org/10.37155/2717-5251-0815-41

Abstract

本文旨在系统性地研究基于深度学习的配电网故障定位与识别方法。首先，深入分析了配电网故障的类 型、特征及其对传统方法带来的挑战；其次，详细阐述了适用于故障诊断任务的主流深度学习模型，包括卷积神经网 络（CNN）、循环神经网络（RNN）及其变体长短期记忆网络（LSTM）、图神经网络（GNN）以及Transformer架 构，并探讨了它们在处理不同类型故障数据（如时序波形、拓扑结构）时的优势与适用场景；再次，构建了一个完整 的基于深度学习的故障诊断框架，涵盖了数据预处理、特征工程、模型训练与优化等关键环节。所提出的深度学习 方法能够有效提升故障诊断的准确率、鲁棒性和泛化能力，为构建智能化、自愈型的现代配电网提供了有力的技术 支撑。

Keywords

配电网；故障定位；故障识别；深度学习

Full Text

PDF

References

Copyright © 2026 徐亦迅 Publishing time:2026-08-01
This work is licensed under a Creative Commons Attribution 4.0 International License