于 洋, 王同文, 张 骏, 邵庆祝, 谢 民*, 张东岳, 孟凡上

(1.国网安徽省电力有限公司, 合肥 230022； 2.南京南瑞继保电气有限公司， 南京 211102；3.安徽大学电气工程与自动化学院， 合肥 230601)

及时、精确的故障诊断是合理调度规划和故障恢复的基础。配电网拓扑结构复杂、分支众多、具有非均匀性[1]，故障诊断有一定难度。近年来随着分布式可再生能源接入规模和渗透率不断提高，配电网潮流方向、电流故障等级都发生了较大变化[1]，需要高精度的故障诊断技术。

数据驱动的配电网故障诊断可根据数据来源分为两类，一类是基于保护和断路器开关量信息，包括专家系统[2]、人工神经网络(artificial neural network，ANN)[3]、Petri网[4]等；另一类是基于故障录波的电气类信息[5-8]，包括特征提取[6]、频域分解[7]、深度学习[8]等。在实际故障过程中保护和断路器存在误动和拒动，电网发生故障时首先是电流、电压等电气量予以反应，然后才是继电保护装置启动。因此与保护和断路器开关量相比，故障录波的电气量信息具有准确性、可靠性、连续性、时序逻辑性、冗余性等优点。文献[7]首先对三相线电流和零序电流进行离散小波变换(discrete wavelet transform，DWT)，然后进行基于人工神经网络的建模预测，进行电力系统故障辨识和故障定位。

原始数据的准确采集和有效传输对故障诊断的准确性和实时性具有重要的意义。但因通信传输通道不稳定、传输速率低、时延大等不足，导致保护和断路器信息可能出现误传或漏传[9]，录波数据也可能存在不完整、对时不准确的问题。……