基于图卷积神经网络的配电网故障定位方法及算例分析.pdfVIP

Applications创新应用

基于图卷积神经网络的配电网故障定位

方法及算例分析

彭灵利

（广东电网有限责任公司，广东510180）

摘要：阐述为建立配电网故障的自动化定位方法，构建故障定位的算法模型。借助该算法从配电网的拓

扑网络结构中提取节点特征和拓扑特征，将其作为模型输入，再经过数据标准化处理、图卷积层运算、

全连接层运算，实现故障区段定位。检验结果显示，经过80次迭代后，此算法模型的定位精确度可以达

到96%。

关键词：图卷积神经网络，配电网，故障定位方法，算例分析。

中图分类号：TP18，TM73文章编号：1674-2583(2024)08-0277-03

DOI：10.19339/j.issn.1674-2583.2024.08.127

文献引用格式：彭灵利.基于图卷积神经网络的配电网故障定位方法及算例分析[J].集成电路应用,2024,

41(08):277-279.

AnalysisofFaultLocationMethodandExamplesin

DistributionNetworkBasedonGraphConvolutional

NeuralNetwork

PENGLingli

(GuangdongPowerGridCo.,Ltd.,Guangdong510180,China.)

Abstract—Thispaperexpoundstheestablishmentofanautomatedfaultlocationmethodfor

distributionnetworksandtheconstructionofanalgorithmmodelforfaultlocation.Itusesthisalgorithm

toextractnodeandtopologyfeaturesfromthetopologynetworkstructureofthedistributionnetwork,

takesthemasmodelinputs,andthenprocessesthemthroughdatastandardization,graphconvolutional

layeroperations,andfullyconnectedlayeroperationstoachievefaultsectionlocalization.Thetest

resultsshowthatafter80iterations,thepositioningaccuracyofthisalgorithmmodelcanreach96%.

IndexTerms—graphconvolutionalneuralnetwork,distributionnetwork,faultlocationmethod,case

analysis.

0引言其对应的系统响应信号为g(τ)，卷积运算符为*，

配电网出现故障之后，应该在最短时间内实现则二者的卷积运算可表示为式（1）。

故障区段定位，为线路恢复正常运行创造条件。图

卷积神经网络属于人工智能算法，可借助该算法建（1）

立故障定位的模型，研究其实现原理、故障定位流卷积运算本身较为复杂，在计算过程中通常将

程以及效果检验方法，具有显著的工程应用价值。输入数据和卷积核变换到频域中，这一过程需要运

1研究背景用卷积定理。经过变换之后，卷积核的功能转化为

图卷积神经网络的特点。滤波器。相应的频域卷积定理可表示为式（2）。

1.1卷积神经网络

卷积神经网络(ConvolutionalNeural