基于人工智能的高压电缆接地故障诊断方法研究.pdfVIP

科技创新与应用

众创空间TechnologyInnovationandApplication202519期

DOI10.19981/j.CN23-1581/G3.2025.19.010

基于人工智能的高压电缆接地故障诊断方法研究

，，，

于金亮冯俊博齐福东郭怀龙

，

（国网冀北电力有限公司张家口供电公司河北张家口075000）

摘要该文针对高压电缆地故障诊断中存在的定位精度低、诊断效率慢等问题，提出一种基于深度学习的故障诊断方法。

该方法首先通过小波变换对采集的电缆故障信号进行预处理和特征提取，构建包含多种接地故障类型的特征数据集；其次设计一

种改进的卷积神经网络模型，集成注意力机制和残差连结构，实现故障特征的自适应学习和分类；最后开发实时故障诊断系统，

实现故障的快速定位与识别。实验结果表明，该方法在10~35kV高压电缆故障诊断中，故障定位精度达到98.5%，较传统方法提升

15%，平均诊断时间缩短至2.3s，并且在复杂噪声环境下仍保持稳定的诊断性能。该方法已在某省电力公司输电线路故障诊断中

得到实际应用，为电力系统的安全稳定运行提供有效保障。

关键词：高压电缆；地故障诊断；深度学习；故障特征提取；智能诊断系统

中图分类号TM75文献标志码A文章编号2095-2945渊2025冤19-0044-04

Abstract:Thispaperproposesafaultdiagnosismethodbasedondeeplearningtosolvetheproblemsoflowpositioning

accuracyandslowdiagnosisefficiencyinhigh-voltagecablegroundingfaultdiagnosis.Themethodfirstpreprocessesandextracts

featuresonthecollectedcablefaultsignalsthroughwavelettransform,andbuildsafeaturedatasetcontainingmultipleground

faulttypes;thendesignsanimprovedconvolutionalneuralnetworkmodelthatintegratestheattentionmechanismandresidual

connectionstructure,realizingadaptivelearningandclassificationoffaultcharacteristics;Finally,areal-timefaultdiagnosis

systemisdevelopedtoachieverapidfaultlocationandidentification.Experimentalresultsshowthatinthefaultdiagnosisof10~

35kVhigh-voltagecables,thefaultlocationaccuracyofthismethodreaches98.5%,whichis15%higherthanthetraditional

method,andtheaveragediagnosistimeisshortenedto2.3seconds,anditstillmaintainsstablediagnosisperformancein

complexnoiseenvironments.Thismethodhasbeenappliedintransmissionlinefaultdiagnosisofa