彭志远，谷湘煜，周仁彬，鲜开义，杨利萍，梁洪军，邹 娟

(深圳市朗驰欣创科技股份有限公司，深圳 518000)

变电站设备种类和数量众多，且为了提高防护性和安全性，大多安放在密闭箱柜、沟道等封闭空间[1]。随着机器人技术的快速发展，巡检机器人在日常的巡检工作中得到了广泛应用，但是现有的机器人系统难以有效进入封闭空间，并且需要后台人员实时监控数据变化，无人化程度较低。为了提高系统无人化程度，邵庆祝等[2]基于长短期记忆网络(long short term memory，LSTM)模型对配电网单相接地故障进行故障辨识；徐家慧等[3]则使用网络复杂度更低的门控循环单元(gated recurrent unit,GRU)网络对电网告警信息进行了分类；杨济海等[4]为了提高效率，对传统LSTM模型进行改进，使用并行的F-LSTM网络进行了故障预测；王磊[5]则使用混动蚁群优化算法对LSTM网络进行优化，完成对高压断路器故障的预测；Peng等[6]使用3 dB的小波对故障信号进行分解，基于稀疏自编码神经网络构建深度学习网络，计算出子带能量作为深度学习神经网络的参数，完成对电力线缆的故障诊断。但是这些方法大多集中在网络的或者算法的研究，与实际问题结合不够紧密。

以自研的一套变电站巡检系统(系统结构如图1所示)为基础，首先分析了变电站密闭箱柜、沟道中设备的巡检需求以及相应的物联网终端构建方式；其次，确立了各项传感数据的采集、处理和标注方法；再次，为了提高收敛速度，获取最优解，基于GRU网络结合粒子群优化(particle swarm optimization,PSO)优化算法构建基于PSO-GRU网络的变电站各项设备故障的智能判断方法。……