赵雪松谢蓓敏张宏伟

（1.国网吉林省电力有限公司，吉林长春 130000；2.国网吉林省电力有限公司检修公司，吉林长春 130000）

一种基于深度学习算法的电网故障诊断方法

赵雪松1谢蓓敏2张宏伟2

（1.国网吉林省电力有限公司，吉林长春 130000；2.国网吉林省电力有限公司检修公司，吉林长春 130000）

电网故障原因复杂，开关和保护的误动、拒动以及信道的信号干扰均会给传统的浅层智能模型带来困难，所以需要从更深入的层面表征电网故障，并对其进行故障诊断。针对这一问题，本文提出一种基于深度学习算法的电网故障诊断方法，该算法利用由Convolution层、Pooling层、Flatten层及MLP层构成的深度网络结构，对电网故障信息进行学习并获得对应的诊断模型。试验表明PGFD-DL算法具有更高的稳定性与精度。

电网；故障诊断；深度学习；神经网；深层表达

随着电网规模的不断扩大，变电站自动化和无人值班得到了广泛的关注。电网自动化管理的一个关键环节就是能够对电网出现的故障进行诊断，并调整相应的保护装置［1，2］。当前很多人工智能算法被应用到了电网故障诊断领域，并取得了较好的应用效果［3］。

然而电网故障原因复杂，开关和保护的误动、拒动以及信道的信号干扰均会给传统的浅层智能模型带来困难，所以需要从更深入的层面表征电网故障，并对其进行故障诊断。针对这一问题，本文提出了一种基于深度学习算法的电网故障诊断方法（Power Grid Fault Diagnosis Method Based on Deep Learning Algorithm，PGFD-DL），该算法利用由Convolution层、Pooling层、Flatten层以及MLP层构成的深度网络结构，对电网故障信息进行学习获得对应的模型。……