来源：期刊VIP网 时间：
作者：蒙飞1;孙阳1;钟当书1;卢峰1;张静忠1;王宇2
单位：1.国网宁夏电力有限公司调度控制中心;2.国电南瑞南京控制系统有限公司
摘要：在新型电力系统建设背景下，寒潮极端天气对电源出力、电网运行及负荷的扰动日益显著，加剧电网故障预警与防控的复杂性。为充分挖掘寒潮气象与电网输电线路故障间的时序特征联系，提高故障预测精度，提出一种基于混合神经网络融合寒潮气象特征的输电线路故障预测方法。首先对寒潮气象下输电线路故障不平衡样本进行数据增强，并基于k-means++聚类方法构建具有不同输电线路故障数据特征的训练样本集，然后采用卷积神经网络(CNN)的卷积层和池化层提取寒潮及运行信息特征在高维空间的时序特征，作为双向长短期记忆网络(BiLSTM)输入变量，通过训练混合神经网络参数建立基于CNN-BiLSTM的输电线路故障预测模型。最后，通过某地区气象及运行数据验证，与其他算法相比，所提输电线路故障预测模型在寒潮气象下具有较高的预测精度和泛化能力。
关键词：线路故障;极端气象;数据增广;混合神经网络;故障预测
基金资助：国网宁夏电力有限公司科技项目（5229NX220027）
