文档名：基于图卷积神经网络的故障定位模型研究
随着人们日常生产和生活中对电能的需求不断增长,配电网网络的密度以及复杂性也在增加,配电网出现线路故障则会影响配电网系统的正常供电,从而影响人民生产和生活的正常进行,造成巨大的经济损失.如何快速定位配电网中故障位置以及配电网故障之后如何根据配电网系统状态去动态地调整配电网的网络拓扑对于配电网的安全可靠性具有重要的意义.为了解决配电网中故障定位的问题,提出了一种基于图卷积神经网络的故障定位模型GAE-GCN,该模型通过考虑配电网网络中线路的电流电压等信息,将配电网中的线路物理属性提取为特征信息,通过图自编码器(GraphAuto-Encoder,GAE)对特征进行降噪并降维,然后输入到图卷积神经网络(GraphConvolutionalNetwork,GCN)中进行故障点的输出.该模型克服了传统的一些故障定位方法没有充分考虑配电网网络拓扑的缺点,可以更好地提高模型的可靠性和准确性.
作者：李峰 席文兵 袁栋 戴欣 方鑫 徐何军 刘云鹏 汪洋
作者单位：国网江苏省电力有限公司淮安供电分公司,江苏淮安223022江苏电力有限公司,南京210098国网江苏省电力有限公司电力科学研究院,南京211103
母体文献：新能源为主体的新型电力系统研讨会论文集
会议名称：新能源为主体的新型电力系统研讨会
会议时间：2020年5月20日
会议地点：北京
主办单位：中国电力科学研究院
语种：chi
分类号：TP3TP1
关键词：配电网 故障定位 特征提取 图卷积神经网络
在线出版日期：2021年11月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.33 MB
- 下载次数:
- 60
-
高速下载
|
|
