基于深度学习的电力故障分类方法

本发明涉及电力系统故障诊断的技术领域，公开了一种基于深度学习的电力故障分类方法，包括：从电力系统中采集故障数据并对其进行数据预处理和特征提取，得到目标特征；基于卷积神经网络和循环神经网络构建混合模型；利用Adam优化算法、目标特征，对混合模型进行优化，生成故障分类模型；将实时采集的电力系统运行数据输入故障分类模型中进行关于故障概率分布的预测，输出故障分类结果。本发明通过结合卷积神经网络和循环神经网络的混合模型，以及利用Adam优化算法进行优化，在分类准确率、实时性和鲁棒性实现了大幅度提升，有效解决了现有技术在故障分类中的不足，提高故障分类准确性和效率。