基于异构图神经架构的接地故障与谐波污染共生分析.pdfVIP

基于异构图神经架构的接地故障与谐波污染共生分析1

基于异构图神经架构的接地故障与谐波污染共生分析

1.引言

1.1研究背景与意义

接地故障与谐波污染是电力系统中常见的问题，二者在实际运行中往往共生共存，

相互影响。接地故障会导致电力系统电压不平衡、设备绝缘损坏等问题，而谐波污染则

会干扰电力系统中的信号传输，降低电能质量，增加设备损耗。在复杂的电力系统中，

准确分析接地故障与谐波污染的共生关系对于保障电力系统的稳定运行、提高电能质量

具有重要意义。

随着电力系统规模的不断扩大和复杂程度的增加，传统的分析方法在处理接地故

障与谐波污染共生问题时存在诸多局限性。异构图神经架构作为一种新兴的机器学习

技术，能够有效处理复杂网络中的异构数据，为解决这一问题提供了新的思路和方法。

通过构建电力系统的异构图模型，将接地故障和谐波污染的相关数据作为节点和边的

信息，利用异构图神经网络进行学习和分析，可以更准确地揭示二者之间的共生关系，

为电力系统的故障诊断和电能质量治理提供有力支持。

1.2国内外研究现状

1.2.1接地故障研究现状

接地故障是电力系统中最常见的故障类型之一，国内外学者对其进行了广泛的研

究。传统的方法主要基于电气参数的测量和分析，如零序电流、零序电压等，通过设置

阈值来判断接地故障的发生。然而，这些方法在复杂电力系统中存在误判率较高、对故

障定位精度不足等问题。近年来，随着智能算法的发展，如神经网络、支持向量机等，

逐渐被应用于接地故障的检测和定位中。例如，文献[1]提出了一种基于深度学习的接

地故障检测方法，通过构建卷积神经网络模型，对电力系统的电气参数进行特征提取和

分类，提高了接地故障检测的准确率。文献[2]则利用支持向量机对多源数据进行融合

分析，实现了对接地故障的准确定位。这些研究为接地故障的智能诊断提供了新的途

径，但在处理接地故障与谐波污染共生问题时，仍存在一定的局限性。

1.2.2谐波污染研究现状

谐波污染是电力系统中另一个重要的电能质量问题，其研究主要集中在谐波的检

测、分析和治理方面。传统的谐波检测方法主要基于傅里叶变换，但该方法在处理非平

稳谐波信号时存在一定的局限性。近年来，小波变换、希尔伯特-黄变换等时频分析方

1.引言2

法被广泛应用于谐波检测中，能够有效处理非平稳谐波信号。例如，文献[3]提出了一

种基于小波变换的谐波检测方法，通过选择合适的小波基函数，对谐波信号进行分解和

重构，提高了谐波检测的精度。在谐波治理方面，有源滤波器和无源滤波器是常用的治

理设备，但其治理效果受到多种因素的影响，如谐波源的特性、电网参数等。文献[4]

提出了一种基于深度学习的谐波治理策略优化方法，通过构建神经网络模型，对谐波治

理设备的参数进行优化，提高了谐波治理的效果。然而，这些研究主要关注谐波污染的

单独分析和治理，对于谐波污染与接地故障的共生关系研究较少。

1.2.3接地故障与谐波污染共生关系研究现状

目前，对于接地故障与谐波污染共生关系的研究还处于初步阶段。文献[5]通过实

验分析了接地故障对谐波污染的影响，发现接地故障会导致谐波电压和电流的幅值发

生变化，但未深入研究二者之间的内在关系。文献[6]提出了一种基于数据驱动的接地

故障与谐波污染共生分析方法，通过建立数据模型，对二者的共生关系进行初步探索，

但该方法在模型的准确性和泛化能力方面存在不足。随着异构图神经架构的发展，其在

处理复杂网络中的异构数据方面表现出色，为接地故障与谐波污染共生关系的研究提

供了新的思路。文献[7]尝试将异构图神经架构应用于电力系统的故障诊断中，取得了

初步的研究成果，但尚未深入研究接地故障与谐波污染的共生关系。因此，基于异构图

神经架构的接地故障与谐波污染共生分析仍是一个具有挑战性的研究课题，具有广阔

的研究前景。

1.2.4异构图神经架构研究现状

异构图神经架构作为一种新兴的机器学习技术，近年来在多个领域得到了广泛应

用。与传统的图神经网络相比，异构图神经架构能够处理包含多种类型节点和边的复杂

网络，能够更好地捕捉节点之间的异构关系。文献[8]提出了一种基于元路径的异构图

神经网络模型，通过定义不同的元路径