Page 66 - 电力与能源2024年第四期

第 45 卷 第 4 期
电力与能源
460 2024 年 8 月

DOI：10.11973/dlyny202404013

基于 CNN-LSTM 模型的绝缘架空导线

局部放电识别研究

周 平，徐梓源，周 楠，俞 玲，沈 良，李启本

（国网上海市电力公司松江供电公司，上海 201600）

摘 要：绝缘架空导线相较于传统的裸露导线具有更好的绝缘性能，但当其掉到地上或被树枝等异物击中时，
不会引起过电流，这使得标准保护设备往往难以检测到这些故障，而此类故障通常会引起局部放电（PD）现
象。提出了一种基于卷积神经网络（CNN）和长期短期记忆神经网络（LSTM）的 PD 模式识别算法。该算法
通过映射加权和学习参数矩阵赋予 LSTM 隐含状态不同的权重，从而减少历史信息的丢失并加强重要信息
的影响作用，最终实现对 PD 活动的检测与识别。在 VSB 公开的 ENET 数据集上，提出的方法对正常类型
和故障类型的识别精度分别达到了 90.44% 和 90.33%，并与多种算法进行了比较，结果表明所提出的方法具
有更高的识别精度。
关键词：绝缘架空导线；卷积神经网络；长短期记忆神经网络；PD 活动识别
作者简介：周 平（1990—），硕士，从事电力系统继电保护工作。
中图分类号：TP391 文献标志码：A 文章编号：2095-1256（2024）04-0460-05
Research on Partial Discharge Recognition of Insulated Overhead Conductors Based on
CNN-LSTM Model

ZHOU Ping，XU Ziyuan，ZHOU Nan，YU Ling，SHEN Liang，LI Qiben

（State Grid Songjiang Power Supply Company，SMEPC，Shanghai 201600，China）

Abstract：Insulated overhead conductors, compared to traditional bare conductors, exhibit better insulation per⁃
formance. However, faults such as the insulation conductor falling to the ground or being struck by foreign objects
like tree branches do not cause overcurrent, making them difficult for standard protection devices to detect. Such
faults often lead to partial discharge (PD) phenomena. This paper proposes a PD pattern recognition algorithm
based on Convolutional Neural Networks (CNN) and Long Short-Term Memory networks (LSTM). The algo⁃
rithm assigns different weights to the LSTM hidden states through mapping weighting and learning parameter ma⁃
trices, reducing the loss of historical information and enhancing the influence of important information, thereby de⁃
tecting and recognizing PD activities. Using the VSB publicly available ENET dataset, the proposed method
achieves recognition accuracies of 90.44% for normal types and 90.33% for fault types, respectively, and is com⁃
pared with various algorithms, demonstrating higher recognition accuracy.

Key words：insulated overhead conductors，convolutional neural network，long/short-term memory network，

PD activity recognition
［5］
在架空电力传输中越来越多地使用绝缘导 地和相间故障等 。此类故障可能会引发局部放
体 ［1-3］ ，但是使用绝缘架空导线（IOC）也面临着诸 电（PD）现象 ，提高检测 PD 活动的精度，不仅有
［6］
多挑战。当 IOC 发生损坏并坠落到地面或被树枝 助于系统安全可靠地运行，还能减少资源浪费，提
等触碰到时，可能造成人员伤亡甚至引发森林大 高经济效益。
火 。这种故障通常不会引起过电流，因此标准 传统机器学习方法，如支持向量机（SVM）
［7］
［4］
［8］
保护设备通常无法检测到此类突发事件，如相接 和人工神经网络（ANN） ，在处理非线性问题时