电工电能新技术

作者：赵建伟1， 林雨场1， 陈升1， 李琦1， 李更丰2， 张理寅2， 陆旭2， 辛正堃2

单位：1. 厦门亿力吉奥信息科技有限公司， 福建 厦门 361012；
2. 西安交通大学电气工程学院， 陕西 西安 710049

关键词：深度学习； 卷积神经网络； 长短期记忆神经网络； 电力系统故障预测； 气象灾害

基金：国家电网公司信息通信产业集团能源“双碳”数智化关键技术研发专项（K102200002）

近年来，日益频发的台风、冰灾、地震、高温等气象灾害事件严重威胁电力系统的安全可靠运行，极端气象灾害下的大规模电网事故导致极高的社会经济损失，因此，对电力系统灾害故障进行精准有效预测具有重要意义。然而，传统方法考虑的故障影响因素类型较为单一，未能同时考虑气象、地理、电网等多种因素对系统故障的影响。同时，考虑极端气象灾害的空间分布和时序演变特性，故障的时空相关性也是预测中的关键因素。因此，本文提出一种基于卷积-长短期记忆神经网络的电力系统气象灾害故障预测方法，建立包含气象、地理、电网多源数据的电力系统故障预测数据集，提出基于卷积神经网络的多源数据融合分析方法，实现故障空间相关性的高效提取；基于长短期记忆算法设计了具有双层网络结构的故障时序预测方法，实现了故障时间相关性的有效刻画，最终形成卷积-长短期记忆神经网络统一框架，提升气象灾害故障预测的准确度。所提方法的有效性和准确性通过台风“米卡拉”、“卢碧”的历史气象数据以及中国东南沿海某区域地理、电网数据进行验证。

来源：2025年第3期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第3期