基于图神经网络的配电网拓扑识别与故障区段快速定位系统设计.docxVIP

PAGE2

基于图神经网络的配电网拓扑识别与故障区段快速定位系统设计

摘要

随着分布式电源大量接入和配电网结构日趋复杂，传统基于人工静态台账的拓扑管理方式已难以应对频繁的线路切换与运行方式调整，导致故障定位效率低下，影响供电可靠性。

本课题设计了一套基于图神经网络的配电网拓扑识别与故障区段快速定位系统。系统以配电网节点量测数据为输入，构建电力图结构，通过图注意力网络（GAT）提取节点电压幅值与相角的时空特征，实现拓扑连接的动态识别，并将拓扑识别结果作为故障定位的输入，结合图卷积网络（GCN）对故障区段进行毫秒级判别。

论文首先分析了配电网智能运维的现实痛点与国内外研究现状，明确了系统需求与技术指标；进而完成了包含数据采集层、图计算层、模型推理层和应用展示层的总体架构设计，划分了数据预处理、拓扑识别、故障定位、告警与可视化等核心功能模块，并设计了时序数据库与图数据库协同的存储方案。

在详细设计中，重点阐述了拓扑识别模块中基于GAT的邻接矩阵推断算法和故障定位模块中基于GCN的节点分类算法，给出了伪代码与接口规范。系统基于Python与PyTorch框架实现，通过IEEE33节点配电系统仿真数据验证，测试结果表明拓扑识别准确率超过98.5%，故障区段定位时间小于15毫秒，满足配电网实时监控需求。

本设计的创新点在于将图神经网络与时序量测数据深度融合，以端到端的方式同时完成拓扑辨