基于改进时空图神经网络的高渗透率有源配电网故障定位

作     者：黄南天 程铎 蔡国伟 

作者机构：现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2022YFB2404002) 

主　　题：配电网 故障区段定位 分布式电源 深度学习 图卷积神经网络 

摘      要：针对目前围绕同步波形测量数据展开的配电网故障定位研究较少，传统智能方法对电网物理拓扑结构与波形数据信息利用程度较低与高比例分布式电源接入降低了现有方法精度的问题，提出一种基于改进时空图神经网络的配电网故障区段定位方法。首先，将配电网的同步波形测量数据映射为时空图结构数据，通过结合电网物理结构信息，提高方法的鲁棒性；然后，通过时空融合图卷积最大化利用数据时空信息，提取故障位置特征，实现高比例分布式电源接入下的更精确故障区段定位，最后，引入残差连接与门控激活函数，扩大模型感受野，降低对量测条件的需求。仿真表明，所提方法能够在高比例分布式电源接入，以及不同故障条件、噪声干扰环境下以较高的准确率定位故障线路。