2026年 第48卷 第2期    刊出日期：2026-02-25

封面下载    目录下载   

上一期   

人工智能赋能的运维与巡检

ADC-YOLO：面向绝缘子巡检的轻量化动态注意力检测器

梁倍宁, 殷林飞

2026, 48(2):  1-14.  doi:10.3969/j.issn.2097-0706.2026.02.001

摘要 ( 32 )   HTML ( 7 )   PDF (1526KB) ( 12 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

为了解决无人机电力巡检中由于背景复杂、光照变化及缺陷微小导致的绝缘子缺陷检测精度与效率难以平衡的问题，提出了一种基于YOLOv8n的轻量化动态注意力检测器——ADC-YOLO。该模型的核心特点在于设计了一种新型的注意力动态卷积（ADC）模块。该模块将轻量化的动态卷积与坐标注意力（CA）机制在一个统一的计算单元中串联，构建了内容自适应与空间精炼相协同的特征提取范式。通过在YOLOv8n的骨干结构中嵌入ADC模块，显著提升了模型的特征提取和多尺度融合能力。试验结果表明，在自建的高分辨率绝缘子缺陷数据集（HR-IDD）上，ADC-YOLO相比YOLOv8n等主流轻量化检测器，在计算复杂度和参数量上均处于较低水平，同时在mAP@0.5和mAP@0.5∶0.95指标上分别达到了0.806和0.445，均优于其他对比模型，相较于基线模型的0.790和0.435分别提升了2.0%和2.2%，满足了绝缘子缺陷检测的需求。

基于时空多视图学习的智能变电站远动终端不良数据恢复

徐嘉豪, 徐俊俊

2026, 48(2):  15-26.  doi:10.3969/j.issn.2097-0706.2026.02.002

摘要 ( 18 )   HTML ( 2 )   PDF (1178KB) ( 5 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

为解决智能变电站远动终端在虚假数据注入攻击（FDIA）下的数据安全问题，针对传统数据恢复方法忽略时空关联、依赖物理建模且对协同攻击鲁棒性不足的缺陷，提出了一种基于时空多视图学习的不良数据恢复策略，以提升电力系统状态感知的准确性与运行可靠性。建立了贴合变电站攻击特征的集中式FDIA模型，并构建了融合时间动态性、空间拓扑关联、特征交互与物理约束的四视图学习框架，通过注意力机制实现多源特征的自适应融合，最终完成被篡改数据的精准重构。设计的多场景仿真试验覆盖不同电气位置的关键节点及连续多节点攻击情形，验证所提方法在电压与功率量测重构误差上显著低于传统方法，极端攻击场景下仍能保持最优恢复精度和系统级物理一致性，有效提升了变电站量测数据的抗攻击能力与恢复可靠性，为构建韧性电网提供了关键技术支撑。

基于多源特征融合去噪网络的配电网故障辨识方法研究

崔向虎, 徐越飞, 戚佳金, 张静, 陈世喆, 李金诺

2026, 48(2):  27-36.  doi:10.3969/j.issn.2097-0706.2026.02.003

摘要 ( 16 )   HTML ( 5 )   PDF (1188KB) ( 4 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对配电网故障辨识过程中故障特征易被噪声掩盖，单一特征难以全面反映故障信息等问题，提出了一种多源特征融合去噪网络的配电网故障辨识方法。利用离散小波变换（DWT）对归一化处理后的零序电压与三相电流信号进行多尺度分解，将原始信号重构为高频与低频分量，减少特征混叠的影响。然后，在高频分支中构建时频残差自适应去噪模块，嵌入傅里叶卷积，提取具有丰富频域信息的高频特征，并结合通道注意力机制，实现信号的精准去噪；在低频分支中，设计轻量级卷积网络提取低频分量的时序特征，增强时频信息互补。引入一种时序-通道注意力机制进行自适应特征融合，增强特征提取能力的同时抑制冗余特征，从而实现复杂工况下故障类型的精确诊断。试验结果表明，所提方法在仿真数据集下取得99.12%的准确率，相较于现有方法显著提高了故障辨识的准确率。

基于数字孪生的GIL管廊SF₆气体多泄漏场景下的扩散特性研究

徐长福, 赵新冬, 梁伟, 贺兴, 卜艺康

2026, 48(2):  37-46.  doi:10.3969/j.issn.2097-0706.2026.02.004

摘要 ( 19 )   HTML ( 2 )   PDF (1379KB) ( 9 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

气体绝缘输电线路（GIL）管廊内部管道输送距离长且环境封闭，发生气体泄漏时危害极大，传感器部署的局限性导致长期以来泄漏判据设计较为单一。为解决这一问题，基于ANSYS软件，在虚拟环境中构建管廊气体扩散仿真模型，研究不同泄漏情况下SF₆气体在管廊内的扩散特性。结合苏通GIL综合管廊实际工况，对GIL综合管廊数字孪生体进行多环境、多演绎路径的仿真推演，覆盖了多种不同的泄漏情境，可为多类工况下的气体泄漏缺陷智能算法设计提供数据支撑，也可为传感器的优化部署提供支持。

基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进

何龙庆, 李小勇, 石鑫, 姜寒, 李玉强, 王永君, 王凯

2026, 48(2):  47-58.  doi:10.3969/j.issn.2097-0706.2026.02.005

摘要 ( 21 )   HTML ( 3 )   PDF (1433KB) ( 6 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对变电站复杂动态工况下智能巡检机器人定位建图精度衰减问题，提出一种融合改进CA-YOLOv5目标检测的增强型定位与地图构建架构。采用多模态注意力机制优化CA-YOLOv5网络，构建动态目标实时识别框架；通过语义-几何联合约束策略，在特征匹配阶段建立动态区域掩膜与运动概率模型；设计基于时空一致性的动态特征过滤算法，在捆绑调整优化环节实现动态干扰源的精准剔除与静态场景结构的有效保留。在公开数据集与真实动态场景中的对比试验表明，改进系统将动态环境下的定位误差降低43.7%，地图重建完整度提升41.5%，同时维持良好的实时处理性能。融合框架解决动态元素导致的误匹配与地图污染问题，有效克服了变电站典型动态干扰。

电力系统智能控制与数据分析

基于多重降噪与递归图的变压器故障诊断方法

张萍, 伍掌, 刘凤, 刘峰, 李键

2026, 48(2):  59-67.  doi:10.3969/j.issn.2097-0706.2026.02.006

摘要 ( 16 )   HTML ( 3 )   PDF (1279KB) ( 4 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对噪声干扰情况下变压器振动信号特征难以提取、时间信息利用率低的问题，提出基于多重降噪与递归图相结合的故障诊断方法。通过完全自适应噪声集合经验模态分解联合自适应小波阈值对振动信号进行多重降噪；采用递归分析将时序信号构造为递归图，保留时间依赖性和非线性动力学特征；利用卷积神经网络在图像处理上的优势，以递归图为输入，提取空间特征，从而实现变压器的故障诊断。结果表明：所提方法误报率低且诊断准确率为98.125%，证明了该方法能有效适用于变压器振动信号故障诊断。

光伏阵列数学建模与健康状态评估方法综述

纪方旭, 苏营, 丁坤, 吴海飞, 陈翔, 何尧玺, 张经炜

2026, 48(2):  68-85.  doi:10.3969/j.issn.2097-0706.2026.02.007

摘要 ( 19 )   HTML ( 6 )   PDF (1505KB) ( 6 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

在全球化石能源短缺的背景下，光伏阵列作为光伏发电的核心部分，其健康运维愈发重要。系统梳理了光伏阵列的建模方法、参数辨识、特征提取与健康评估的研究现状。对比了基于等效电路、基于数值模拟和基于神经网络的建模方法：第1种建模方法的机理可解释但精度低；第2种方法适合复杂工况且精度较高；第3种方法属于黑箱模型，导致故障机理解释困难。参数辨识分为解析法和智能优化算法：前者模型参数辨识的精确度不足；后者利用解析初值缩小搜索空间，实现元启发算法优化目的；提出的组合法通过解析初值优化迭代过程，可兼顾计算速度与精度。在特征提取层面，分析了统计特征、信号分解与深度学习的表征差异，强调了I-V曲线标准化对抑制环境噪声的作用。为阐明健康评估与故障诊断的逻辑关系，基于光伏能效性能比和五级健康状态划分体系，制定了高效、精准的光伏阵列状态监测与智能运维方案。所构建的“机理建模→参数辨识→特征提取→状态评估”四位一体技术闭环，可为光伏阵列智能运维提供完整的方法论支撑。

基于BMF-GADF与改进Swin Transformer的配电网故障选线方法

吴小欢, 沈景贵, 张欣, 胡裕民, 徐烨玲, 石明玉

2026, 48(2):  86-95.  doi:10.3969/j.issn.2097-0706.2026.02.008

摘要 ( 19 )   HTML ( 1 )   PDF (1272KB) ( 4 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

由于配电网小电流系统发生单相接地故障时故障特征比较微弱，现有故障选线方法存在准确率低、鲁棒性弱等问题。为此，提出了一种基于巴特沃斯均值滤波-格拉姆角差场（BMF-GADF）与改进Swin Transformer的配电网故障选线方法。该方法将BMF与GADF相结合，把零序电流转换为特征增强的GADF图像；将图像样本输入改进的Swin Transformer模型中进行特征提取；改进的Swin Transformer在原架构基础上引入模块并行的卷积注意力机制可实现更准确的特征自适应选择，有效提升模型精度；利用Softmax分类器实现故障线路的选取，试验结果表明，该方法选线准确率达98.96％，相较于其他故障选线方法，具有更高的选线精度与噪声鲁棒性，为配电网故障选线提供了新方案。

故障修复和拓扑重构协同的配电网灾后恢复调度

郑杨, 石龙, 陆烨, 郝广东

2026, 48(2):  96-105.  doi:10.3969/j.issn.2097-0706.2026.02.009

摘要 ( 20 )   HTML ( 4 )   PDF (1030KB) ( 7 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

极端灾害事件容易导致配电网故障，影响供电可靠性。为提升配电网弹性恢复能力，建立了一种修复路径规划和拓扑重构协同的配电网灾后恢复模型。为制定有序故障修复计划，建立维修队路径规划的空间与时序约束，及其与拓扑重构耦合的故障状态约束；通过修复路径和拓扑重构协同优化，减少系统弃负荷；利用基于概率密度的模糊集描述新能源分布不确定性，利用分布鲁棒优化平衡调度决策鲁棒性与经济性；为高效求解所提模型，基于对偶理论处理概率密度不确定性，进一步移除约束中的min算子，从而将两阶段灾后恢复模型转化成非迭代的单阶段问题。算例测试表明，所提协同模型能够减少负荷损失，同时，所提分布鲁棒优化方法能够保证调度决策鲁棒性，并且能够在严格保证优化质量的基础上大幅提高计算效率。