22、基于深度学习的输电线路故障定位技术综述

基于深度学习的输电线路故障定位技术综述

1. 引言

在电力系统安全保障中，输电线路的故障定位是一项极具挑战性的任务。可靠的故障定位对于实现高速、可靠的安全继电保护至关重要。近年来，深度学习技术在输电线路故障定位领域得到了广泛的研究和应用。

2. 决策树（DT）在输电线路故障定位中的应用

决策树在输电线路故障定位中具有多种优势，不同的研究从不同角度展示了其应用价值。以下是相关技术及其优势、作者和年份的总结：
| 技术 | 优势 | 作者 | 年份 |
| — | — | — | — |
| 决策树和支持向量机 | 能处理干扰信号中的谐波和噪声，提供完整结果 | Ray 等 | 2014 |
| 决策树 | 检索故障和功率摆动情况的数据，识别故障 | Niyas 和 Sunitha、Upendar 等 | 2017、2012 |
| 决策树 | 高效、快速且精确地对输电网络故障进行分类 | Jana 和 De | 2017 |
| 决策树 | 减少运营工作量和维护人员 | Zhang 等、Mohanty 等 | 2019、2020 |
| 决策树和 K - 近邻 | 决策树在测试时间上优于 KNN，且分类精度相似 | Wasnik 等 | 2020 |

这些研究表明，决策树在输电线路故障定位中具有很强的适应性和有效性，能够应对不同的故障情况和信号特征。

3. 卷积神经网络（CNN）在输电线路故障定位中的应用

卷积神经网络在输电线路故障定位领域也展现出了强大的能力。众多学者提出了不同的基于 CNN 的方法：
- Fan 等