基于LSTM-MLP的输电线路触树故障诊断研究

摘要

[目的]输电线路常穿越林区，树木生长导致树线距离逼近安全阈值，该状态叠加风偏、弧垂变化等短时环境扰动后易引发故障，严重威胁供电安全与公共安全。针对输电线路触树故障预警不及时、人工巡检成本高的问题，提出一种基于LSTM-MLP的触树故障诊断方法。[方法]首先，通过输电线路π型等效模型推导，揭示等效电纳与树线距离的函数关系，以及电纳与线路运行数据（电压、电流、功率等）的非线性关联，为故障特征提取提供物理依据；其次，针对电纳无法直接测量的问题，提出简化估算公式，并构建LSTM-MLP混合模型，通过LSTM捕捉时序演化特征，MLP实现非线性映射，形成“11维运行数据+电纳特征”的融合输入模式；最后，基于东北某220 kV林区线路全年运行数据及3起有效触树故障案例验证。[结果]在当前数据条件下，该模型可在故障发生前24 h精准识别风险，融合电纳特征后准确率达92.3%，显著优于RF、LSTM等对比模型。[结论]该方法突破传统触树故障研究的局限，解决固定阈值法环境适配性差、预警提前量不足的难题，可降低故障误漏报率，实现触树故障超前精准防控。其构建的“物理机理约束+数据驱动学习”协同框架，兼顾数据模型的物理约束与机理模型的工况适配性，为故障早期预警提供了技术支撑。该方法可依托现有变电站SCADA数据直接部署，无需额外设备，可以有效降低运维成本与作业风险，能够有效防范输电线路触树故障引发的大面积停电事故与林区山火灾害，切实保障电网安全稳定运行，具备极高的工程实用价值与行业推广前景。

关键词

输电线路 / 触树故障 / 故障诊断 / LSTM-MLP混合模型

基金资助

国网辽宁省电力有限公司科技项目（2023YF-128）