基于深度学习的电力系统故障自动预测模型研究.pdfVIP

 2025年4月10日第42卷第7期TelecomPowerTechnologyApr. 10, 2025, Vol.42 No.7 

DOI：10.19399/j.cnki.tpt.2025.07.076运营维护技术

基于深度学习的电力系统故障自动预测模型研究

李扬，李学丛，焦源

（山东海诺德电力科技有限公司，山东济南250000）

摘要：文章针对电力系统故障预测问题，提出一种基于深度学习的电力系统故障自动预测模型。通过设计融合

长短期记忆（LongShort-TermMemory，LSTM）网络和注意力机制的深度学习模型，实现对电力设备多源异构数

据的有效处理和故障特征提取。建立了完整的数据预处理和模型优化方案，并在某省电力公司变电站开展实证研究。

结果表明，该模型在故障预测准确率、预警时间等方面具有显著优势，可有效降低检修成本，为电力系统智能化运

维提供新的技术途径。

关键词：深度学习；电力系统；故障预测；预防性维护；时序特征分析

ResearchonAutomaticPredictionandMaintenanceTechnologyofPowerSystemFaults

BasedonDeepLearning

LIYang,LIXuecong,JIAOYuan

(ShandongHainuodeElectricPowerTechnologyCo.,Ltd.,Jinan250000,China)

Abstract:Aimingattheproblemofpowersystemfaultprediction,thispaperproposesanautomaticpowersystem

faultpredictionmodelbasedondeeplearning.BydesigningadeeplearningmodelintegratingLongShort-Term

Memory(LSTM)networkandattentionmechanism,theeffectiveprocessingandfaultfeatureextractionofmulti-

sourceheterogeneousdataofpowerequipmentarerealized.Acompletedatapreprocessingandmodeloptimization

schemeisestablished,andanempiricalstudyiscarriedoutinasubstationofaprovincialpowercompany.Theresults

showthatthemodelhasobviousadvantagesinfaultpredictionaccuracyandearlywarningtime,whichcaneffectively

reducethemaintenancecostandprovideanewtechnicalwayforintelligentoperationandmaintenanceofpowersystem.

Keywords:deeplearning;powersystem;faultprediction;preventivemaintenance;timeseriesfeatureanalysis

[2]

0 引 言系统故障两大类。设备故障主要包括变压器故障、