首页|基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

扫码查看
原文链接
  • 万方数据
  • 维普
目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意.针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断.首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断.在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性.
A highly fault-tolerant distribution network fault diagnosis method based on data check and graph convolution neural network

multiple fault dataimperfect informationdistribution network fault diagnosisdata checkgraph convolution neural networkhigh fault tolerance

高艺文、苏学能、张华、姜思远、高红均

展开 >

国网四川省电力公司电力科学研究院,四川 成都610041

四川大学电气工程学院,四川 成都610065

多源故障数据 信息不健全 配电网故障诊断 数据校核 图卷积神经网络 高容错性

国网四川省电力公司科技项目

52199722000Q

2024

10.12067/ATEEE2301024

电工电能新技术
中国科学院电工研究所

电工电能新技术

CSTPCD北大核心
影响因子：0.716
ISSN：1003-3076
年,卷(期)：2024.43(2)
  • 22