陈本权，杜 洋

(烟台海颐软件股份有限公司，山东 烟台 264000)

风能、太阳能等新能源因具有高效、清洁的特质，在提升发电能效的同时，缩减了化石能源损耗及污染，是电网绿色发展的主流趋势。目前，能源、环境问题日益严峻，而电力因市场需求量大、覆盖范围广亟待能源创新，驱动新能源电网的建构。电力系统恢复[1-3]需要电力公司作出谨慎和快速的决策，特别是在极端天气事件之后，自然灾害面前更显配电网的脆弱性。据统计，2008年后大停电进入高发期[4]，主要经济体是大停电事故“重灾区”，其中自然灾害原因占56%；电力投资不足导致设备老化、市场设计缺陷等电力管理体制原因占31%；意外或人为事故原因占10%；网络攻击成为新兴原因占3%，具有隐蔽性、复杂性强，防御难度大、物理伤害大等特点。在大规模的停电之后，电力公司主要任务之一是派遣维修人员前往受损地点，以恢复供电[5-6]。为了制定电力恢复计划，有必要估算受损部件的修复时间，从而更有效地指导维修人员，并向公众公布估计的恢复时间。

为此，许多学者对故障定性及定量进行了研究。文献[7]提出一种基于深度强化学习的孤岛微电网故障区域判定方法，该方法预先提取孤岛微电网的故障特征，并基于深度强化学习和三端行波测距法判定孤岛微电网故障区域；文献[8]提出了基于机器学习回归算法的配网用户停电数量预测方法，用户停电数量预测可为电网应急抢修提供辅助指导；……