基于图注意力网络的配电网故障定位方法

• 作者: 李佳玮 王小君 和敬涵 张永杰 张大海
• 来源期刊: 电网技术
• 关键词: 配电网 故障定位 拓扑变化 图注意力网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 图计算、知识图谱、图机器学习在能源互联网中的应用|Application of Graph Computing, Knowledge Graph, Graph Machine Learning in Energy Internet
• 页码范围: 2113-2121
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.2222

摘要

基于人工智能的电网故障诊断技术已经有了大量的研究成果,但配电网拓扑变化频繁,而传统人工智能方法高度依赖训练数据,给配电网的故障定位问题带来了困难.提出了一种基于图注意力网络(graph attention network,GAT)的配电网故障定位方法.将配电网的电气节点和线路映射为图注意力网络中图的顶点和边,根据相邻顶点之间故障特征的相似度计算注意力系数,把顶点特征之间的相关性更好地融入到故障定位模型中,提高了故障定位模型对拓扑变化的适应能力.最后,搭建了配电网故障仿真模型验证了所提方法具有定位精度高、鲁棒性好且不受故障电阻、故障初相角和故障距离影响的优点,并在不同网络拓扑变化程度和情景下验证了模型在实际综合故障情景中有良好的应用效果.