滕志鹏，梁远升，曾德辉，黄凤丽

(1.华南理工大学 电力学院，广东 广州 510641；2.广州嘉缘电力科技有限公司，广东 广州 510610；3.广西电网有限责任公司，广西 南宁 530023)

高压输电线路较长，通常建在人烟稀少、地形复杂、气候恶劣的地区。高压输电线路比低压输电线路更容易发生故障，且极难查找。若能在线路故障后准确地查找故障点，可及时修复线路以保证可靠供电，对电力系统的安全稳定和经济运行都有十分重要的作用[1]。因此，发展高压输电线路故障定位技术十分重要。

现有的故障定位方法主要有行波法[2-7]和故障分析法，其中故障分析法又分为频域法[8-11]和时域法[12-14]。行波故障定位方法准确性高，但是存在电压过零故障或缓慢发展故障时行波波头难以标定等问题，定位的可信度不能保证。故障分析法常作为行波法的补充，其中：频域法以故障工频量为基础，所需数据窗较长，受故障暂态阶段高次谐波和非周期分量的影响，降低了频域法故障定位的精度；时域法以Bergeron模型和电气瞬时值为基础，对数据窗的要求较低，并考虑了线路分布电容的影响，在工程中被广泛应用[15-16]。

近年来，深度学习已在电力系统领域取得显著成果[17-24]，在输电线路的故障定位方面也有探索性的研究[25-27]。文献[25]利用离散小波变换提取电压特征，将所提取的故障特征用于训练深度神经网络，得到故障线段以及精确的故障位置；文献[26]仅使用输电线路一端的三相电压、电流信号，利用卷积神经网络(convolutional neural network，CNN)深度挖掘故障信号中的有效特征，并通过CNN的线性回归机制实现故障定位；……