【技术实现步骤摘要】
本专利技术属于神经网络，具体涉及基于图神经网络的电网拓扑故障定位系统。
技术介绍
1、传统的电网故障检测和定位方法主要依赖于信号分析、模型预测和数据驱动的机器学习算法。常见的故障检测技术包括基于电压和电流波形的保护装置、基于相量测量的状态估计方法、以及基于信号处理和变换域分析的方法。尽管这些方法在实际应用中取得了一定的成效，但随着电网规模的不断扩大和运行复杂度的提高，传统的检测方法在以下几个方面面临着挑战：
2、复杂拓扑结构下的故障传播路径难以准确建模：在传统电网中，节点和节点之间的连接关系通常较为简单，因此故障的传播路径可以通过一些固定的传输方程来描述。然而，现代电网的拓扑结构愈发复杂，具有大量的支路和冗余连接，传统的数学模型难以有效捕捉电网中复杂的节点间关系。特别是当电网中发生多点故障或复杂的传导故障时，传统方法基于线性方程的传播模型往往会失效，难以准确反映故障的传播路径和影响范围。
3、现有方法的实时性和鲁棒性欠缺：电网故障检测的实时性非常重要，因为故障的快速定位和修复能够显著减少电力供应的中断时间，并降低...
【技术保护点】
1.基于图神经网络的电网拓扑故障定位系统，其特征在于，所述系统包括：电网拓扑特征提取单元，用于将电网视为一个图网络，对电网的每个节点进行实时数据采集，记录每个节点实时的电气测量值，构建特征矩阵，特征矩阵中的每个元素表示电网的某个节点在某个时间的电气特性；多层图神经网络模型单元，用于将特征矩阵作为第一层的输入，结合电网的邻接矩阵和度矩阵，经过预设的多层图神经网络模型的多层特征提取后，输出最后一层的结果，作为特征提取结果；故障识别与定位单元，用于基于特征提取结果，构建故障传播动力学模型，得到故障特征场；利用故障特征场，计算故障概率分布；根据故障概率分布，确定故障区域与故障...
【技术特征摘要】
1.基于图神经网络的电网拓扑故障定位系统，其特征在于，所述系统包括：电网拓扑特征提取单元，用于将电网视为一个图网络，对电网的每个节点进行实时数据采集，记录每个节点实时的电气测量值，构建特征矩阵，特征矩阵中的每个元素表示电网的某个节点在某个时间的电气特性；多层图神经网络模型单元，用于将特征矩阵作为第一层的输入，结合电网的邻接矩阵和度矩阵，经过预设的多层图神经网络模型的多层特征提取后，输出最后一层的结果，作为特征提取结果；故障识别与定位单元，用于基于特征提取结果，构建故障传播动力学模型，得到故障特征场；利用故障特征场，计算故障概率分布；根据故障概率分布，确定故障区域与故障边界；根据故障区域和故障特征场，计算故障传播分布；根据故障传播分布，计算故障位置，以及计算得到的故障位置的可信度。
2.如权利要求1所述的基于图神经网络的电网拓扑故障定位系统，其特征在于，电气测量值包括：电压幅值、电流幅值、电压相角、电流相角、有功功率、无功功率、频率偏差和节点阻抗。
3.如权利要求2所述的基于图神经网...
【专利技术属性】
技术研发人员：王磊，张振海，牛林，张艳杰，张冰倩，郭丽娟，商玲玲，陈丽娜，路长青，
申请(专利权)人：国家电网有限公司技术学院分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。