【摘要】主流的配电网故障定位和识别故障类别任务分开建模，却忽略了故障定位和故障类别之间关联性，该文提出了故障定位以及故障类别的端到端联合模型。利用契比雪夫图卷积神经网络（ChebNet）作为编码器，聚合静态的图结构和动态的节点信息得到各节点的数学表达；在故障定位解码端，通过多头自注意力机制建立适用于节点属性变化以及融合配电网拓扑结构的配电网故障定位模型；在故障分类解码端，结合故障定位解码端的故障区域信息以及ChebNet编码器得到的各节点的数学表达，通过全连接层建立故障类型识别模型。实验结果表明，基于契比雪夫图卷积神经网络在双电源配电网中故障定位中效果较好，故障定位准确率达到98.25%，故障类别任务中的准确率为93.11%。该方法适用于主动配电网结构灵活及含分布式电源的配电网络中。