基于多尺度特征融合的电力系统故障预测方法  

作　　者：刘春海 张伟一 杨威 李南辉 黄悦 

机构地区：[1]国家能源集团吉林龙华有限公司白城热电厂,吉林 白城 137000

出　　处：《中文科技期刊数据库(全文版)工程技术》2025年第4期137-140,共4页

摘　　要：电力系统在运行过程中,故障的预测与预警对保障电力供应的稳定性至关重要。传统的电力系统故障预测方法多依赖于简单的时序或空间数据,缺乏对系统复杂性和多样性的全面捕捉。为此,本文提出了一种基于多尺度特征融合的电力系统故障预测方法。该方法通过多尺度特征提取策略,有效结合电力系统的时空特性,提升了故障预测模型的泛化能力和准确性。同时,设计了一种自适应深度学习结构,使模型能够根据电力系统的运行状态自动调整网络参数,从而提升不同环境和故障类型下的预测精度。此外,本文还提出了一种基于时序数据与空间分布信息相结合的联合建模方法,能够更好地捕捉电力系统故障的时空特征。实验结果表明,所提方法在准确率、精确率和召回率等指标上均优于现有的传统方法和深度学习模型,具有较强的适应性和泛化能力,能够有效提升电力系统故障预测的性能。

关 键 词：电力系统 故障预测 多尺度特征 自适应深度学习 时空联合建模 

分 类 号：TM73[电气工程—电力系统及自动化]