LSTM-DenseNet配电故障诊断网络

噪声下精度超99.8%

融合DenseNet的局部特征提取与LSTM的时序建模能力，通过SE模块自适应增强关键特征，实现配电网络故障的精准识别。

Ji, Lipeng · Xianglei, Tian · Zhonghao, Wei · 朱大奇

Electric Power Systems Research 2025

参数信息

故障识别准确率

99.87 %

故障识别准确率

99.82 %

技术优势

噪声下仍高精度

模型在噪声干扰下仍能可靠识别故障，实际部署时不易因信号扰动而误判。

两种网络特征互补

DenseNet提取局部细微变化，LSTM建模时序趋势，两者级联融合获得更全面的信息表示。

能解释特征提取

采用t-SNE可视化分析各模块提取的特征，有助于理解模型的判别依据。

应用场景

• 配电网络运维：实时识别故障类型与位置，辅助运维人员快速响应。
• 电网故障诊断：无需人工分析波形，自动完成高精度故障判定。
• 智能电网监测：在噪声环境下稳定输出诊断结果，可嵌入监测系统。
• 电力设备状态评估：通过故障类型分布反映设备健康状态，支撑状态检修。