本发明专利技术公开了一种基于图神经网络的电网故障检测方法及装置，该方法包括：构建电力系统中基于节点系统的图结构数据，并将图结构数据划分为训练集和测试集；构建邻接矩阵；基于邻接矩阵和图结构数据构建图神经网络模型，利用训练集训练图神经网络模型得到电网故障检测模型，并利用所述测试集测试电网故障检测模型得到训练好的电网故障检测模型；将电力系统中电网的待检测节点数据输入训练好的电网故障检测模型进行电网节点故障检测，得到电网节点故障检测结果。本发明专利技术将所提出图神经网络应用于电网故障定位，电网节点相关性分析，电网故障关键性特征抽取等问题，经过仿真故障场景验证，可以极大提高故障节点的定位效率，提高定位精度。定位精度。定位精度。
【技术实现步骤摘要】
一种基于图神经网络的电网故障检测方法及装置
[0001]本专利技术涉及电网故障诊断
，尤其涉及一种基于图神经网络的电网故障检测方法及装置。
技术介绍
[0002]随着电力物联网的不断发展，电力大数据迎来新机遇。同时，智能配电网建设的蓬勃发展，投资不断增加，对智能配电网建设质量进行评估已成为一项紧迫的任务。近年来，数据驱动的建模和人工智能算法迅速发展，基于样本学习的配电网评估方式也成为研究热点。调控机构利用人工智能技术模拟人类思维,通过学习海量电网运行数据和运行经验,发现规律。
[0003]目前，电网故障后的处置调度工作主要依赖于调度人员的主观性决策，由调度人员实时分析故障后电网的状态、参数变化情况，查明故障发生的原因并制定相应的故障处置措施。
[0004]随着电力系统的快速发展，电网结构和运行模式愈加复杂，故障后的处置难度不断提高，依赖于人工经验的传统调度决策机制越来越难以应对复杂大电网的快速故障分析和故障处置。近几十年来，国内外学者提出了一系列故障诊断的方法和思路，主要有Petri网、人工神经网络、遗传算法、粗糙集决策、专家系统、数据挖掘等智能方法。
[0005]电力系统需要借助数据处理将非结构化的故障数据抽取关键性特征，由于电网结构的电气连接属性，可以将电网结构抽象为图结构，借助图神经网络进行辅助判断，在电网故障发生时，帮助调度员快速分析事故原因，全面地掌握故障处理的关键信息，并进行辅助决策，以提高电网的应急处置能力，目前仍缺少以一种利用图结构进行电网故障检测的手段。
专利技术内容
[0006]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0007]为此，本专利技术的目的在于提出一种基于图神经网络的电网故障检测方法，通过构建电网特征抽取模型以及知识图谱，将电网领域零散的故障案例知识和庞杂的故障数据有效关联，并应用基于图卷积的神经网络进行网络故障智能诊断，辅助解决网络运维领域的故障问题。将所提出图神经网络应用于电网故障定位，电网节点相关性分析，电网故障关键性特征抽取等问题，经过仿真故障场景验证，可以极大提高故障节点的定位效率，提高定位精度。
[0008]本专利技术的另一个目的在于提出一种基于图神经网络的电网故障检测装置。
[0009]为达上述目的，本专利技术一方面提出了一种基于图神经网络的电网故障检测方法，包括：
[0010]构建电力系统中基于节点系统的图结构数据，并将所述图结构数据划分为训练集和测试集；
[0011]基于图结构数据拓扑图和拓扑图节点之间的电气连接关系构建邻接矩阵；
[0012]基于所述邻接矩阵和所述图结构数据构建图神经网络模型，利用所述训练集训练图神经网络模型得到电网故障检测模型，并利用所述测试集测试所述电网故障检测模型得到训练好的电网故障检测模型；
[0013]将电力系统中电网的待检测节点数据输入所述训练好的电网故障检测模型进行电网节点故障检测，得到电网节点故障检测结果。
[0014]根据本专利技术实施例的基于图神经网络的电网故障检测方法还可以具有以下附加技术特征：
[0015]进一步地，在本专利技术的一个实施例中，所述基于邻接矩阵和所述图结构数据构建图神经网络模型，包括：基于图神经网络和邻接矩阵度对图结构数据进行特征维度处理，输出第一维度数据；基于所述第一维度数据和预设处理方式得到第二维度数据，利用所述第二维度数据和预设函数得到最终预测值，利用所述最终预测值和标签计算损失函数以建图神经网络模型。
[0016]进一步地，在本专利技术的一个实施例中，所述构建电力系统中基于节点系统的图结构数据，包括：基于电力系统中电网故障发生时刻，过滤预设时刻的故障数据得到仿真数据；基于所述仿真数据获取故障态数据标签和非故障态数据标签，并到数据集样本。
[0017]进一步地，在本专利技术的一个实施例中，所述将图结构数据划分为训练集和测试集，包括：根据所述数据集样本的时序关系和预设比例，以每三个时间节点为一组，将前两个时间节点划分为训练集，后一个时间节点划分为测试集。
[0018]进一步地，在本专利技术的一个实施例中，所述损失函数采用二分类交叉熵损失，表达式为：
[0019][0020]式中，N为数据集样本的样本总量，y
n
为真实值概率，取0或1，x
n
为预测值概率。
[0021]为达到上述目的，本专利技术另一方面提出了一种基于图神经网络的电网故障检测装置，包括：
[0022]数据获取模块，用于构建电力系统中基于节点系统的图结构数据，并将所述图结构数据划分为训练集和测试集；
[0023]矩阵构建模块，用于基于图结构数据拓扑图和拓扑图节点之间的电气连接关系构建邻接矩阵；
[0024]模型训练模块，用于基于所述邻接矩阵和所述图结构数据构建图神经网络模型，利用所述训练集训练图神经网络模型得到电网故障检测模型，并利用所述测试集测试所述电网故障检测模型得到训练好的电网故障检测模型；
[0025]故障检测模块，用于将电力系统中电网的待检测节点数据输入所述训练好的电网故障检测模型进行电网节点故障检测，得到电网节点故障检测结果。
[0026]本专利技术实施例的基于图神经网络的电网故障检测方法和装置，能将所提出图神经网络应用于电网故障定位，电网节点相关性分析，电网故障关键性特征抽取等问题，经过仿真故障场景验证，可以极大提高故障节点的定位效率，提高定位精度。
[0027]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0028]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0029]图1为根据本专利技术实施例的基于图神经网络的电网故障检测方法流程图；
[0030]图2为根据本专利技术实施例的IEEE10机39节点拓扑结构示意图；
[0031]图3为根据本专利技术实施例的图神经网络的基本流程图；
[0032]图4为根据本专利技术实施例的图神经网络的架构图
[0033]图5为根据本专利技术实施例的基于图神经网络的电网故障检测装置的结构示意图。
具体实施方式
[0034]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。
[0035]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0036]下面参照附图描述根据本专利技术实施例提出的基于图神经网络的电网故障检测方法和装置。
[0037]图1是本专利技术一个实施例的基于图神经网络的电网故障检测方法的流程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图神经网络的电网故障检测方法，其特征在于，包括以下步骤：构建电力系统中基于节点系统的图结构数据，并将所述图结构数据划分为训练集和测试集；基于图结构数据拓扑图和拓扑图节点之间的电气连接关系构建邻接矩阵；基于所述邻接矩阵和所述图结构数据构建图神经网络模型，利用所述训练集训练图神经网络模型得到电网故障检测模型，并利用所述测试集测试所述电网故障检测模型得到训练好的电网故障检测模型；将电力系统中电网的待检测节点数据输入所述训练好的电网故障检测模型进行电网节点故障检测，得到电网节点故障检测结果。2.根据权利要求1所述的方法，其特征在于，所述基于邻接矩阵和所述图结构数据构建图神经网络模型，包括：基于图神经网络和邻接矩阵度对图结构数据进行特征维度处理，输出第一维度数据；基于所述第一维度数据和预设处理方式得到第二维度数据，利用所述第二维度数据和预设函数得到最终预测值，利用所述最终预测值和标签计算损失函数以建图神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述构建电力系统中基于节点系统的图结构数据，包括：基于电力系统中电网故障发生时刻，过滤预设时刻的故障数据得到仿真数据；基于所述仿真数据获取故障态数据标签和非故障态数据标签，并到数据集样本。4.根据权利要求3所述的方法，其特征在于，所述将图结构数据划分为训练集和测试集，包括：根据所述数据集样本的时序关系和预设比例，以每三个时间节点为一组，将前两个时间节点划分为训练集，后一个时间节点划分为测试集。5.根据权利要求4所述的方法，其特征在于，所述损失函数采用二分类交叉熵损失，表达式为：式中，N为数据集样本的样本总量，y
n
为真实值概率，取0或1，x
n
为预测值概率。6.一种基...
【专利技术属性】
技术研发人员：袁肖赟，林浩哲，杨延栋，刘威麟，加依达尔，
申请(专利权)人：清华大学，
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。