基于图卷积神经网络的输电线路自然灾害事故预测

作     者：陈立帆 张琳琳 宋辉 陈科技 吴冰 陈赛慧 盛戈皞 CHEN Lifan;ZHANG Linlin;SONG Hui;CHEN Keji;WU Bing;CHEN Saihui;SHENG Gehao

作者机构：上海交通大学电子信息与电气工程学院上海市闵行区200240 国网浙江省电力有限公司经济技术研究院浙江省杭州市310000 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2023年第47卷第6期

页      面：2549-2557页

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0807[工学-动力工程及工程热物理] 0802[工学-机械工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家电网有限公司总部科技项目(5700-202119174A-0-0-00) 

主　　题：自然灾害 输电线路事故预测 嵌入向量 知识图谱 图卷积神经网络 

摘      要：台风、山火及线路覆冰等自然灾害为输电线路的可靠运行带来了挑战。为了更精准地预测自然灾害下输电线路的事故概率,近年来的预测方法整体上表现出考虑因素越来越全面的趋势,但仍存在改进的空间。对于离散型随机变量,传统的独热向量编码方式忽略了文字本身的信息和变量之间的逻辑关系。为了改进考虑多种影响因素的数据驱动预测方法,采用嵌入向量作为变量的编码方式以考虑变量内部的文字信息,基于知识图谱设计图卷积神经网络以考虑了变量之间的逻辑关系,最终实现事故预测。算例分析表明,提出的方法对自然灾害下输电线路事故的整体预测准确率为88%,与采用独热向量的编码方式相比准确率更高。一方面,采用嵌入向量替代独热向量对结构化数据和非结构化信息进行编码可以提高预测准确率;另一方面,有效挖掘变量之间的逻辑关系是进一步提高预测准确率的关键。