基于多模态增强与混合深度学习模型的配电网故障选线方法及设备

本发明涉及配电网故障诊断技术领域，具体为一种基于多模态增强与混合深度学习模型的配电网故障选线方法及设备，方法步骤包括：采集配电网各条线路在故障发生时的零序电流以及电压暂态波形数据；对一维波形数据采用带有惩罚项内积进行格拉姆角场变换，分别转换为二维GASF和GADF图像，并拼接生成四通道E‑GAF图像；将E‑GAF图像输入Trans‑DenseNet模型进行故障判别，通过在DenseNet中嵌入Transformer编码器层以融合局部‑全局特征，输出最终的故障选线结果。与现有技术相比，本发明能够适应高阻、电弧等复杂故障，实现高精度故障定位，为新型配电网的智能化故障自愈提供可靠支撑。