基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

来源：电工电能新技术杂志2024年第2期北京时间：

作者：高艺文， 苏学能， 张华， 姜思远， 高红均

单位：1. 国网四川省电力公司电力科学研究院， 四川 成都 610041；
2. 四川大学电气工程学院， 四川 成都 610065

摘要：目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热，但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题，本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法，旨在利用不健全故障信息对配电网进行故障诊断。首先，将多源故障遥信数据作归一化处理后再进行数据校核，从源头改善数据的不健全性；接着，根据配电网图模将多源故障数据转化为故障图数据；最后，将故障图数据送入图卷积神经网络进行学习训练，训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验，通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。

关键词：多源故障数据； 信息不健全； 配电网故障诊断； 数据校核； 图卷积神经网络； 高容错性

基金资助：国网四川省电力公司科技项目(52199722000Q)