第十届变电智能运维创新发展论坛大会报告-重庆大学-王建-对外分享版-0810_20250818131923.pdf

1、基于深度学习的高压输电线路故障智能辨识方法王建 博士/副教授输变电装备技术全国重点实验室2025年8月21日 山东济南2025（第十届）变电智能运维创新发展论坛汇报提纲OUTLINES24 融合多模态信息的辨识效果提升6 结论与展望5 故障智能辨识软件及其应用3 基于波形图像识别的故障辨识方法2 输电线路故障特征分析1 研究背景与意义研究背景与意义1.1 研究背景与意义4 国家能源局关于加快能源数字化智能化发展的若干意见和电力安全生产“十四五”行动计划指出：推动电力能源装备故障诊断、智能巡检、智能运维技术发展是提升新型电力系统安全运行的关键举措 架空输电线路作为电力能源系统“发、输、变、配、用

2、、调”六大环节中的核心骨架，其运行安全与故障处置效率直接影响新型电力系统的安全稳定1.1 研究背景与意义 架空输电线路地域分布广泛，沿线地形复杂，运行环境多变，尤其在恶劣天气条件、自然灾害、人为破坏等影响下，极易因雷击、积污、覆冰、异物等因素引发故障 线路故障类型与原因的精准识别是电网调度决策、送电恢复、事故溯源分析的关键依据，同时为绝缘配合设计、设备风险评估及退役策略研究提供基础数据51.2 研究现状6 输电线路故障辨识可归纳为分类归因问题，传统故障辨识方法在物理机理建模和故障特性分析的基础上，选取具有代表性的特征量来表征故障特点，再利用机器学习算法判别故障 随着新型电力系统规模增大及结构复

3、杂化，其物理建模面临高维非线性方程组求解困难，且故障机理呈现源-网-荷交互影响特征，传统方法难以兼顾精度与快速性电电力力系系统统故故障障诊诊断断的的新新特特点点信息机理建模电网规模增大数据多样化采样精度高多影响因素耦合随机性增强非线性增多物理建模困难线性拟合误差大人工设计误差累积运行数据故障数据特征自学习强非线性拟合端到端建模故障识别故障分析数据获取算法应用人人工工智智能能技技术术应应用用流流程程参考资料：和敬涵,罗国敏,程梦晓,等.新一代人工智能在电力系统故障分析及定位中的研究综述J.中国电机工程学报,2020,40(17):55065516.1.3 主要思路与技术路线7录波CFG文件CNN

4、多参量融合判断故障原因概率线路气象因素季节、过渡电阻、故障位置判断故障原因基于深度学习的输电线路故障辨识模型录波波形格拉姆角场ResNet联邦学习迁移学习集成表决基于AI大模型的数据处理 深度学习网络可直接从电气量波形图像数据中自动学习和提取最能表征故障本质的深层次、高维度特征，实现利用变电站内录波文件的暂态波形图像辨识故障原因 针对单一电气量数据，无法应对复杂和模糊故障场景的问题。通过融合气象、季节等不同维度的数据，可形成相互印证、相互补充的可信证据链 利用AI大模型具备的处理不同来源、不同结构信息的强大能力，完成多源数据特别是文本数据的处理与融合，实现优势互补输电线路故障特征分析2.1 输

5、电线路故障样本分布特征分析9p架空输电线路故障分布情况 故障类型：同一地区单相接地故障普遍占比90%以上，存在类不平衡问题，不同地区分布情况略有差异 故障原因：同一地区不同故障原因占比差异显著，存在类不平衡问题，不同地区分布也存在显著差异*Wang J,Lin F,Nan D,et al.Transmission line fault identification method based on weighted federated learning and multimodal residual networkJ.IJEPES,2025,170:110860.2.2 输电线路故障电气量特征分

6、析10典型雷击故障录波波形典型雷击电流频谱图雷击故障过渡电阻分布p雷击故障特性分析 由雷电直接击中杆塔、导线而引起，均是由于大幅值雷电流引起过电压导致的绝缘子击穿 雷击故障多为低阻性故障，其过渡电阻多介于24，服从=2.58，=0.28的对数正态分布 雷击故障的伏安特性为线性，故障波形呈正弦波，故障相电流中含有较少的高频谐波分量2.2 输电线路故障电气量特征分析11p山火故障特性分析 由山林火灾产生的导电烟雾颗粒引发，持续时间较长导致故障延续时间也较长 故障逐步发展，存在预放电现象，带电粒子具较好的导电能力且容易受环境影响 过渡电阻成高阻性，阻值大部分介于60130，服从=91.11，=20.