- 沈兵兵;
<正>在当前大力推进新型电力系统建设的背景下,人工智能(AI)正驱动电力系统从功能性的“工具”,逐步演进为具备感知、思考与进化能力的“新质生产力”。通过AI与传统电力技术的深度融合,一些困扰行业发展多年的“难点”和“痛点”问题,正逐步得到有效解决。其中,配电网的故障预警、风险评估与快速处理是AI落地应用具有成效的代表领域。相关技术正推动配电网故障处理从“被动响应”转向“主动防御”,由区域排查走向精确定位。随着相关技术的成熟和普及,将实现更安全、高效且具有弹性的智能电网运营。
2026年01期 v.43;No.302 1页 [查看摘要][在线阅读][下载 728K] - 郭铭;李辉;陈浩然;戴敏;陈尚;张宛霞;陈春玲;王宇龙;
针对传统故障检测与定位手段实时性差、精度低、抗噪能力弱的问题,提出融合完全集成经验模态分解与自适应噪声(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和变分模态分解(variational mode decomposition,VMD)的多分量分解方法,结合卷积神经网络-双向长短期记忆网络-注意力机制(convolutional neural network-bidirectional long short-term memory network-attention mechanism,CNN-BiLSTM-Attention)的视觉识别方法。通过提取电流信号高频非平稳特征分量,经样本熵与K-means聚类算法分类后,对高频分量进行变分模态分解,构建图像数据输入深度学习模型实现故障识别。试验结果表明,该方法在典型工况下故障定位精度较高且抗噪性能良好,为配电网智能化运维提供了新思路。
2026年01期 v.43;No.302 2-10+21页 [查看摘要][在线阅读][下载 2022K] - 罗兴;嵇文路;张景晨;
为解决配电网单相接地故障区段定位中依赖先验知识和人工阈值判据导致复杂工况下诊断准确率低的问题,提出一种基于计算机视觉(computer vision,CV)模型的定位方法。利用故障区段与健全区段暂态零序信号的极性特征差异,将单节点暂态零序电流(transient zero-sequence current,TZSC)与暂态零序电压导数(derivative of transient zero-sequence voltage,DTZSV)波形叠加,通过色度填充构建包络区域,引导ConvNeXt模型自适应学习极性特征以实现免阈值区段类型研判。采用电力系统电磁暂态仿真软件PSCAD/EMTDC、10 kV配电网真型试验数据及现场录波数据验证,在环境噪声、启动时刻偏差等复杂工况下仍保持较高准确率。该方法可有效提升模型对故障特征的自学习能力,为配电网故障区段定位提供无需人工阈值的解决方案。
2026年01期 v.43;No.302 11-21页 [查看摘要][在线阅读][下载 2178K] - 张亚;许霖;郑峻峰;余昆;梅飞;杜宽;戴翔;
在分布式光伏、储能和电动汽车大规模接入,致使源网荷储功率波动显著加剧的配电网运行情境下,综合考虑运行风险评估与故障预防的实际需求,为有效解决多场景、多拓扑条件下面向风险评估的电压推演难题,构建了配电网图注意力-残差-门控多通道时空推演网络(graph attention-ResNet-bi-GRU network,GRG-Net)。该网络用于精准刻画源网荷储扰动结果和网络拓扑特性,进而实现对未来节点电压的跨场景滚动推演。同时,融合博弈论和云模型搭建风险评估框架,将时空推演结果转化为不同场景和时段的电压风险水平,形成配电网运行状态推演–电压风险评估一体化框架。相较于依赖大量工况枚举或潮流逐时逐点计算的传统思路,此框架通过一次前向推演即可获取多步电压轨迹,为获取未来运行电压安全信息提供了一种更加高效的分析途径。算例分析结果显示,所提方法能够稳定提升多步预测准确性与电压越限类故障的风险识别能力,为配电网故障预防与调度决策提供了有力的支撑。
2026年01期 v.43;No.302 22-31页 [查看摘要][在线阅读][下载 4342K]