基于图神经网络的配电网故障预测

• 作者: 司志坚 张晓 李喜旺 杨华
• 来源期刊: 计算机系统应用
• 关键词: 图神经网络 配电网 泛在物联 深度学习 反向传播
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 131-135
• 页数: 5页
• 字数: 3956字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007516

摘要

在实际应用场景的配电网故障占电网总故障的80％ 以上,并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出"泛在物联"的号召下,分析了学者们在此问题上的研究成果后,结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架,详细的设计了节点信息汇集函数、预测函数和损失函数,并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响,使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较,实验表明算法在精确度上提高了3.0％,并具有更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨华	中国科学院大学计算机与控制学院	25	115	6.0	9.0
5	张晓	中国科学院大学计算机与控制学院	23	140	6.0	11.0
9	李喜旺	中国科学院沈阳计算技术研究所	17	70	5.0	8.0
10	司志坚	中国科学院沈阳计算技术研究所	2	0	0.0	0.0