翟海保，王兴志，葛敏辉，杨争林，冯树海，刘宇航

〔1.国家电网公司华东分部，上海 200120; 2.中国电力科学研究院(南京)，江苏 南京 210003;3.上海电力大学 电气工程学院，上海 200090〕

0 引 言

电力系统中输电线路电压等级高，距离长，故障复杂。当发生故障时，如何高效准确地进行故障的识别和诊断，避免错报和误报，对提升电网的安全稳定性有重要意义[1]。

近年来基于数据驱动的故障诊断方法在电力系统方向中发展迅速[2-4]，方法一般包含四个部分：信号采集、数据处理、特征提取和故障分类[5-8]。核心是利用电网电气量数据与机器学习算法相结合应用到电网的故障诊断当中。文献[9]提出一种基于卷积神经网络的综合模型，使用多个相同结构、不同参数的卷积神经网络构建综合评价模型，对电力系统的稳态特征量进行综合评估。文献[10]针对电网保护设备误动和拒动的问题，构建了基于模糊C均值聚类的故障诊断模型，并通过计算故障可信度确定故障类型与位置。这些方法用于输电线路故障诊断时抗干扰能力不强。

为了解决告警系统误报率较高的问题，本文提出了基于改进卷积神经网络(CNN)的电网输电线路故障诊断模型，利用不同工况下的电流时序数据，有效对各种故障和正常调停进行识别与分类，提高了故障诊断的准确率。

1 改进CNN结构

针对输电线路电流数据为一维时序数据的特点，基于一维卷积神经网络结构，使用双通道输入和多卷积、池化操作对网络结构进行改进，并在卷积层中加入批归一化层，如图1所示。……