这篇文章主要介绍了基于ALSTM-ResNet的输电线路典型振动事件识别方法的研究，总结如下：

1. 研究背景与意义：

• 背景：输电线路作为电力系统电能传输的关键载体，其运行状态直接关系到电网的安全性与可靠性。近年来，随着电网规模的不断扩大，输电线路面临多种振动事件的威胁，如风振、覆冰舞动、脱冰跳跃及外力破坏等，严重影响了电网的稳定运行。

• 意义：传统监测手段难以实现对线路全域、多类型事件的精准感知与识别。相位敏感型光时域反射（Φ-OTDR）技术为输电线路状态监测提供了新的技术路径，具有灵敏度高、监测距离长等优势。

2. 研究目标：

• 提高输电线路典型振动事件的识别准确率，提出一种基于ALSTM-ResNet的振动事件分类方法。

3. 研究方法与过程：

• 数据获取：利用Φ-OTDR技术获取沿线振动信号，搭建孤立档距架空输电线路模拟试验平台，采集风振、舞动、脱冰跳跃和外破四种典型振动事件的模拟试验数据。

• 模型构建：通过ALSTM网络提取时间特征，再结合ResNet模型挖掘空间关联特征，构建时空融合的分类模型。

• 算法流程：包括光路传感区间划分、后向瑞利散射光相位变化信息采集、时序振动信号获取、ALSTM模型提取时间特征、ResNet模型挖掘空间关联特征、最终分类结果输出。

4. 实验结果与分析：

• 实验结果：所提方法在四类典型振动事件（风振、舞动、脱冰跳跃、外破）上的平均分类准确率达到94.50%，较传统LSTM和ALSTM模型提升7%~9%。

• 结果分析：增加时间序列长度和输入传感点数量有助于提升模型分类性能，但传感点数量过多可能导致准确率下降。引入ResNet模块后，舞动和脱冰跳跃事件的识别准确率显著提升。

5. 模型评估与比较：

• 评估指标：使用分类准确率和计算用时作为评估指标。

• 比较结果：ALSTM-ResNet模型相比LSTM和ALSTM模型在分类准确率上有显著提升，但计算用时也有所增加。ALSTM-ResNet34相比ALSTM-ResNet18准确率更高，但计算成本也更高。

6. 结论与展望：

• 结论：本文所提基于ALSTM-ResNet的输电线路典型振动事件识别方法显著提升了分类准确率，有效验证了时空特征融合在振动事件识别中的有效性与优越性。

• 展望：未来可进一步优化模型结构，提高计算效率，并探索在实际输电线路中的应用效果。

7. 其他信息：

• 作者信息：陈原（1969—），男，博士，教授级高工，设备状态评价中心输电线路技术监督高级师。

• 基金项目：冀北本部管理科技项目（52018K230007）资助。

• 关键词：输电线路典型振动；Φ-OTDR；ResNet；空间关联特征；时空特征融合。

本文通过融合ALSTM和ResNet模型的优势，提出了一种基于时空特征融合的输电线路典型振动事件识别方法，为输电线路状态监测提供了新的技术路径和解决方案。