针对5G通信不确定时延导致数据传输时间难以预测,从而影响馈线自动化(FA)系统故障响应及时性和决策准确性的问题,提出一种基于5G通信时延的配电网FA切换方法。首先,建立馈线终端之间的拓扑关系,根据FA系统中每一分支的最大通信时延计算得到FA系统的实时通信时延;其次,针对不同时延下不同FA策略故障处理速度的历史数据,通过层堆叠长短时记忆神经网络(LSTM)模型进行训练,学习出不同通信时延下故障处理速度最快的FA策略;最后,根据层堆叠LSTM模型的学习结果,选择切换到当前通信时延下故障处理速度最快的FA策略。试验结果表明:该方法能有效应对5G通信的不确定性时延对FA系统的影响,保障FA系统可靠运行;此外,与其他机器学习方法相比,层堆叠LSTM模型在预测准确性和预测时延方面具有优势,能够有效提高馈线终端系统的自适应能力和故障响应速度。