首页 > 电力科技与环保

基于深度学习的配电网故障诊断与自愈控制研究

在线阅读下载PDF 导出详情

摘要随着分布式能源大规模接入配电网，传统配电网故障诊断与自愈控制方法对复杂故障场景的适应性逐渐不足。本文针对配电网故障定位难、隔离响应慢、恢复精度低的问题，提出将深度学习技术融入配电网故障诊断与自愈控制体系，通过搭建卷积神经网络-长短期记忆网络（CNN-LSTM）混合故障诊断模型，实现配电网故障类型与位置的精准识别，并结合深度强化学习算法生成最优自愈控制策略。实验结果表明，该方法故障诊断准确率达到 98.7%，自愈控制响应速度较传统方法提升 40%以上，能够有效提升配电网的供电可靠性与故障应对能力，为智能配电网的安全稳定运行提供技术支撑。

DOI wslss/0022

作者王晓伟

机构地区 130131198510130012

出处《电力科技与环保》

关键词深度学习；配电网；故障诊断；自愈控制

发表时间 2026年07月08日（期刊网平台发表日期，不代表实际的发表时间）

相关文献

1 李锋 . 面向仓储物流的 AGV 调度与路径规划优化 . 未知分类,2026-07.
2 周勇. 电力系统故障自动化定位技术的应用与改进方案探析 . 未知分类,2026-07.
3 王均. 氧化铝焙烧工序能耗优化及节能降耗工艺改进分析 . 未知分类,2026-07.
4 梁贵芬. 有色金属冶炼厂区土壤重金属污染特征及源解析研究 . 未知分类,2026-07.
5 李祖虎. 基于电流特征量的曳引机电气故障辨识方法研究 . 未知分类,2026-07.
6 毕润鑫. 工业园区废水废气协同治理生态工程方案及环境咨询评估 . 未知分类,2026-06.
7 王建文. 县域地表水生态环境监测现状与污染成因分析 . 未知分类,2026-06.

来源期刊

基于深度学习的配电网故障诊断与自愈控制研究

相关推荐

同分类资源

返回顶部