【技术实现步骤摘要】
本专利技术涉及真型实验配电线路故障定位，具体为一种真型实验配电线路故障定位方法及系统。
技术介绍
1、在现代电力系统中，配电网作为连接发电站和用户的关键环节，其稳定性和可靠性对整个电力系统的运行至关重要。然而，由于配电网结构复杂、拓扑多变以及故障类型多样，传统的配电网故障定位方法往往存在效率低下、准确度不高的问题。随着人工智能技术的发展，利用机器学习和深度学习方法对配电网故障进行智能诊断和定位成为研究热点。
2、在配电网故障定位领域，传统的算法如基于规则的专家系统、基于信号处理的方法等，虽然在一定程度上能够实现故障定位，但这些方法通常依赖于专家经验，难以应对复杂多变的配电网环境。此外，这些方法在处理大规模数据时，计算效率较低，难以满足实时性要求。
3、近年来，深度学习技术在图像识别、自然语言处理等领域取得了显著的成果，其强大的特征提取和模式识别能力为配电网故障定位提供了新的思路。特别是图卷积网络(gcn)和空间图卷积网络(graphsage)等图神经网络模型，能够直接在图结构数据上进行操作，有效捕捉配电网中节点间...
【技术保护点】
1.一种真型实验配电线路故障定位方法，其特征在于，包括：
2.如权利要求1所述的真型实验配电线路故障定位方法，其特征在于，所述预设图输入特征选取逻辑包括：
3.如权利要求2所述的真型实验配电线路故障定位方法，其特征在于，所述基于改进图神经网络的配电网故障模型包括：输入层、隐藏层、输出层；
4.如权利要求3所述的真型实验配电线路故障定位方法，其特征在于，所述输入层包括将原始边特征通过单层神经网络合并为节点特征包括：
5.如权利要求3所述的真型实验配电线路故障定位方法，其特征在于，所述隐藏层包括：
6.如权利要求...
【技术特征摘要】
1.一种真型实验配电线路故障定位方法，其特征在于，包括：
2.如权利要求1所述的真型实验配电线路故障定位方法，其特征在于，所述预设图输入特征选取逻辑包括：
3.如权利要求2所述的真型实验配电线路故障定位方法，其特征在于，所述基于改进图神经网络的配电网故障模型包括：输入层、隐藏层、输出层；
4.如权利要求3所述的真型实验配电线路故障定位方法，其特征在于，所述输入层包括将原始边特征通过单层神经网络合并为节点特征包括：
5.如权利要求3所述的真型实验配电线路故障定位方法，其特征在...
【专利技术属性】
技术研发人员：李庆生，张裕，陈巨龙，唐学用，张兆丰，张锐锋，严雯，张彦，朱永清，陈露东，王卓月，刘金森，
申请(专利权)人：贵州电网有限责任公司，
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。