摘要
电力设备是电力系统稳定运行的核心载体，其运行状态直接关系到整个电网
的供电可靠性与安全性。传统电力设备故障诊断方法依赖人工提取特征，对复杂
隐性故障的识别精度较低，难以适配当前电网设备规模化、复杂化的发展趋势。
深度学习技术凭借自动特征提取、非线性模式识别的优势，为电力设备故障诊断
提供了新的技术路径。本文梳理了基于深度学习的电力设备故障诊断研究现状，
分析了卷积神经网络、循环神经网络、深度置信网络等典型模型在不同类型电力
设备故障诊断中的应用逻辑，探讨了当前研究存在的数据样本不平衡、小样本故
障识别精度不足、模型可解释性差等问题，最后对未来的研究方向进行了展望，
为推动深度学习技术在电力设备故障诊断领域的落地应用提供参考。
机构地区
140602198402281718
发表时间
2026年07月27日（期刊网平台发表日期，不代表实际的发表时间）
