<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">29</journal-id>
      <journal-title-group>
        <journal-title>《建筑施工与发展》</journal-title>
        <abbrev-journal-title>CONSTRUCTION AND DEVEL OPMENT</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：2737-4262；EISSN:2705-1269</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12421/JZSGYFZ2705-1269-250719036</article-id>
      <article-id pub-id-type="publisher-id">23214</article-id>
      <title-group>
        <article-title>基于深度学习的配电网故障自动诊断方法研究</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>翟梓行 河北砥实工程咨询有限公司</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2025</year>
        <month>19</month>
      </pub-date>
      <issue>19</issue>
      <abstract>
        <p>研究致力于搭建一套基于深度学习模型的配电网故障自动诊断方案，用以破解传统人工巡检效率欠佳、特征提取过度依赖人工经
验等现实难题，引入多源数据融合与端到端学习机制，达成对电流、电压及拓扑变化的精准识别与智能判别，该方案在故障定位、类型识
别与响应速度层面均展现出优异性能，为配电网智能化建设铺设稳固可行的技术轨道，深度学习模型可切实提升故障诊断的精准度与实时
性，具备极为广阔的工程应用前景。
关键词：深度学习；配电网；故障诊断；自动化；智能电网</p>
      </abstract>
    </article-meta>
  </front>
</article>
