蒋 涛，桂 纲，王 宏，杨 涛，夏明光

(1.国网山东省电力公司 济宁供电公司，山东 济宁 272000；2.山东济宁圣地电业集团有限公司 电力智能分公司，山东 济宁 272000)

0 引 言

近年来，随着社会经济的快速发展，电能需求总量逐年增加，电网规模也在不断扩大，特高压输电在满足用户电力需求方面发挥出了重要作用.当前电网的复杂程度、布网密度和自动化程度都达到了一定规模[1-3]，一旦电网通道发生故障停止供电，造成的损失是无法估量的.如何在短时间内快速处理电力特征数据，并识别出故障点的位置，排除输电通道的隐患，是保证特高压电网系统安全运行的重要前提[4,5].特高压输电通道隐患具有随机性，且存在通道隐患检测准确率低、隐患种类鉴别能力差等问题，主要信号特征通常表现为时间特性和频率特性，时间特性是指信号在时间域上的分析，即信号是具有一定波形的时间函数.频率特性是通过对时间信号的傅立叶变换来求得其频谱，即信号的全部分解过程.与故障特征的区别是各时间特征对应各频率特征，且具有单值对应关系.现有特高压输电通道隐患检测方法，如特高压输电通道隐患深度学习模式识别方法[6]、基于全域电力大数据的隐患检测方法[7]、基于非参关联分析的隐患检测方法等[8]，均未考虑输电通道隐患的随机特性[9,10]，无法满足要求.

为此，文本针对电力大数据的随机特性，以及框架中节点能级间距难以计算导致的隐患……