基于大数据分析的输变电线路故障预测与诊断.pdfVIP

第66卷第6期自动化应用Vol.66No.6

2025年3月AutomationApplicationMar.2025

基于大数据分析的输变电线路故障预测与诊断

韩文通

（深圳市输变电工程有限公司，广东深圳518000）

摘要：针对输变电线路故障预测与诊断问题，提出一种基于大数据分析的新方法。该方法结合双向长短时记忆网

络（BiLSTM）与注意力机制，从设备状态参数中提取时空关联特征，实现了对多种故障类型的精准识别。通过构建

RTDS与Hadoop集成的实验环境，利用330kV变电站3年运行数据与模拟故障样本进行验证。实验结果表明，所提方

法故障预测准确率达96.2%，预警提前量为1.9s，漏报率仅为0.3%，在处理海量电力监测数据与识别小概率故障模式

方面显著优于传统小样本分析方法。

关键词：输变电线路；故障预测；故障诊断；双向长短时记忆网络；注意力机制

中图分类号：TP391，TP277文献标识码：ADOI：10.19769/j.zdhy.2025.06.027

FaultPredictionandDiagnosisofTransmissionandTransformationLines

BasedonBigDataAnalysis

HANWentong

（ShenzhenPowerTransmissionEngineeringCo.，Ltd.，Shenzhen，Guangdong518000，China）

Abstract：Thispaperfocusesontheproblemoffaultpredictionanddiagnosisinpowertransmissionandtransformationlines，

andproposesanewmethodbasedonbigdataanalysis.ThismethodcombinestheBidirectionalLongShort-TermMemory

Network（BiLSTM）withtheattentionmechanismtoextractspatio-temporalcorrelationfeaturesfromequipmentstatus

parameters，thusachievingaccurateidentificationofmultiplefaulttypes.AnexperimentalenvironmentintegratingReal-Time

DigitalSimulator（RTDS）andHadoopisconstructed，andthethree-yearoperationdataofa330kVsubstationandsimulated

faultsamplesareusedforverification.Theexperimentalresultsshowthattheproposedmethodhasafaultpredictionaccuracyof

96.2%，anearlywarningleadtimeof1.9s，andafalsenegativerateofonly0.3%.Itissignificantlysuperiortotraditionalsmall-

sampleanalysismetho