Volume 3,Issue 7
基于深度学习的继电保护装置故障诊断与定位研究
随着“双碳”目标推进，智能电网对继电保护装置可靠性要求明显提高，而传统故障诊断办法像专家系统、支持向量机这些需要人工提取特征，没法很好地解决装置故障具有非线性且涉及多源耦合的问题，故障诊断精确度不高，定位滞后。本文以深度学习为主轴，卷积神经网络（CNN）、长短期记忆网络（LSTM）这些模型的优点，给出故障诊断和定位的方案：用CNN对硬件故障静态特征执行提取，LSTM对软件以及通信故障的时序规律执行捕捉，并用知识蒸馏做到模型轻量化，在试验中，这个方案的故障诊断准确度达98.5%，定位反应时间小于等于20毫秒，这要比传统的办法好得多，可以给智能电网继电保护装置维修运营赋予技术支持。
[1] 陈文军, 陶傲. 基于深度学习的电力继电保护系统优化的研究[J].家电维修,2024,(06):95-97.
[2] 彭桂喜, 袁思遥, 高梓寒, 等. 基于深度学习低图像要求的继电保护压板状态自动识别方法[J].电力科学与技术学报,2024,39(02):134-142.
[3] 陈磊. 基于深度学习的继电保护故障诊断方法研究[J].信息与电脑( 理论版),2023,35(24):28-30.
[4] 陈敬德, 李雅晴, 杨欢红, 等. 基于改进Shapley特征优选及ResNet50 深度学习模型的继电保护状态评估研究[J].供用电,2023,40(12):72-78+106.
[5] 尚浩然, 王丁丑. 基于深度学习的变电站继电保护系统故障诊断与预测[J].电气技术与经济,2023,(09):168-170.
[6] 韩学军. 基于深度学习和改进潮流介数的继电保护定值智能校验方法[J].电子器件,2023,46(05):1442-1448.
[7]郑涛. 基于深度学习模型的变电站继电保护二次回路运行状态监测[J].光源与照明,2023,(08):159-161.
[8] 郑浩野. 基于时序网络结合深度学习的变电站继电保护故障诊断方法[J].电子器件,2022,45(02):396-402.
[9] 宋韬. 基于深度学习的继电保护系统故障诊断技术研究[J].电气开关,2025,63(06):57-60.
[10] 赵美银. 基于深度学习的继电保护故障识别技术设计与应用研究[J].自动化应用,2025,66(22):5-7.DOI:10.19769/j.zdhy.2025.22.002.