陈佳慧，靳一玮

（上海电力大学 电子与信息工程学院，上海 201306）

1 概述

在能源短缺，环境恶化和电力需求快速增长的背景下，分布式发电技术得到了迅速地发展，也越来越受到研究者们的青睐。它不但能发挥分布式电源具备的可靠性高、环保和节能等优点，还能解决许多大型集中电网存在的潜在问题[1]。同时，分布式电网的故障诊断技术也受到了广泛的关注，因为它在解决电网故障、恢复供电和确保其稳定运行等具有现实意义。

近年来，人工智能方法（例如Petri网、支持向量机、人工神经网络等）已广泛用于电力系统故障诊断的研究中[2-4]。曲丽萍等[2]采用改进的概率Petri网对分层电网进行故障诊断，既提高了故障诊断的准确率又确保了通用性。袁柳杨[3]提出基于支持向量机的方法对复杂电网进行故障诊断，并通过三种案例验证了该方法的有效性。杨彦杰等[4]利用优化的BP神经网络对光储微电网进行故障诊断，结果表明该算法能准确对内部线路进行故障分类。这些智能方法的运用使得故障诊断得到了极大的改进：效率快，精度高。其中，长短期记忆网络（Long Short-Term Memory networks，LSTM）作为循环神经网络（Recurrent Neural Network，RNN）模型的一种变体，在对时间序列信息的处理上有一定的优势，被广泛应用于语音识别、时间序列预测以及故障诊断等领域[5-7]。另外，许多研究在使用机器学习模型的同时也经常采用小波变换对信号进行特征提取。众所周知，小波变换是进行信号时频分析的理想工具，它能很好地分析非周期性、噪声、暂态等信号。……