一种基于图神经网络的配电网故障线路定位方法

本发明涉及智能配电网领域，具体是一种基于图神经网络的配电网故障线路定位方法。

背景技术：

0、技术背景

1、配电网故障定位是保证供电安全稳定和供电快速恢复的前提，随着配电网自动化水平的发展，当配电网故障事件发生时，需要通过配电网故障定位方法快速准确地定位到故障位置，然后配电自动化系统根据定位结果遥控打开距离故障最近的开关，实现故障隔离，将故障造成的影响范围降低到最小，尽快恢复正常区域供电。

2、通过对国内外学者在配电网故障定位方面的研究成果进行了分析整理，发现这些方法虽然在一定程度上取得了不错的进展，但是它们大多都基于一个过于理想的假设，即假设配电网中的配电设备之间不存在相互影响关系。但在实际的配电网环境中，某条线路发生短路故障，会对周围与其直接或间接相连的线路、其它配电设备产生不同程度的影响。

3、在分布式电源接入配电网的发展现状下，配电网的拓扑结构和运行状态变得愈发复杂。并且在研究配电网故障定位时，还需要充分考虑配电网中配电设备间的相互作用关系。而传统的神经网络模型不擅长挖掘非欧式领域中各元素之间的关联关系，难以应对新型智能配电网的灵活变化。多种因素综合导致了配电网故障定位难度的提升，如何应对这种挑战是研究配电网故障定位方法亟需探索的一个关键问题。

技术实现思路

1、本发明的目的是解决现有技术中存在的问题。

2、为实现本发明目的而采取的技术方案是这样的，一种基于图神经网络的配电网故障线路定位方法，主要包括以下步骤：

3、1)将配电网抽象为图数据g＝(v，e)，具体抽象得到的图结构类型为无向不加权同构图，图中的节点v和边e分别表示母线和馈线支路。

4、2)提取图的结构信息和节点的属性信息作为模型的输入。

5、进一步，提取配电网图的结构信息和节点的属性信息，主要步骤如下：

6、2.1)基于配电网图g的拓扑连接关系，构建邻接矩阵a，计算公式如下：

7、

8、2.2)获取节点的属性信息。

9、进一步，计算配电网图的节点的属性信息，主要步骤如下：

10、2.2.1)通过配电自动化终端检测到的三相电压的幅值和相角三相电流的幅值和相角有功功率p和无功功率q。

11、2.2.2)基于图理论计算得到的节点的四种中心特性，分别是度中心性dc、特征向量中心性ec、中介中心性bc和接近中心性cc。

12、2.3)结合步骤2.1和2.2将节点的特征向量x表示为

13、2.4)将配电网图g的邻接矩阵a和节点的特征向量矩阵x联合作为模型的输入。

14、3)利用变分图自编码器(vgae)对图中的节点特征进行抽象和压缩。

15、进一步，对配电网图g中的节点特征进行抽象和压缩，具体步骤如下：

16、3.1)使用图卷积神经网络(gcn)来搭建vgae的编码器部分。

17、进一步，搭建vgae的编码器部分，具体步骤如下：

18、3.1.1)根据节点特征所能聚合的邻居信息的最远距离来选取编码器网络的层数，设置gcn模型层数为i层。

19、3.1.2)需要通过编码器学习得到节点映射到的高斯分布中的均值和方差，对此需要分别训练两个gcn模型gcnμ(x，a)和gcnσ(x，a)，两个模型共享第一层参数w(0)，其余层采用不同的参数。

20、3.1.3)使用重参数技巧从相应的高斯分布中得到的采样结果作为节点的抽象特征表示。

21、3.2)使用全连接网络构建解码器模型部分。

22、3.3)定义vgae模型的损失函数，主要包括两个部分：使用距离度量函数来衡量重构图与原始图之间的差异，使用kl散度来衡量由gcn网络产生的参数构造的高斯分布与标准正态分布之间的差距。

23、3.4)使用优化器mini-batch gradient descent来更新vgae模型的参数。

24、3.5)训练完毕后，保存vgae模型参数。通过vgae模型的编码器可以得到配电网中各节点的抽象特征表示z，将其作为下游任务(配电网故障线路定位)的输入。

25、4)基于graphsage模型实现配电网故障线路定位。

26、进一步，基于graphsage模型实现配电网故障线路定位，具体步骤如下：

27、4.1)通过步骤3)提取得到配电网图g中各母线节点的隐层抽象特征z。

28、4.2)搭建graphsage模型实现节点信息的采样、传递和聚合。

29、4.3)对原始的graphsage模型结构进行了调整，获得模型最终输出的节点特征向量vi后，再对其进行一次全连接操作，设置全连接层的输出数量为配电网线路故障定位的分类数量，再经过softmax激活函数，得到最终的输出向量yi，输出向量中的各个元素代表了对应线路故障的概率，范围为0～1。

30、4.4)使用交叉熵损失函数对模型中的参数进行学习。

31、4.5)模型训练完毕后，保存模型中的参数，后续通过加载方式就可以实现对配电网线路故障定位模型的调用。

32、本发明的技术效果是毋庸置疑的。在电力物联网的背景下，本发明提出了一种基于图神经网络的配电网故障线路定位方法。该方法充分挖掘了配电网线路之间的关联关系，能够更加自然地反映现实场景下的配电网运行规律，并且在噪声干扰、高阻接地故障、分布式电源接入等情况下均能准确定位到故障线路区段。预测结果能在满足准确性要求的前提下为配电运维管理人员提供辅助决策支撑。

技术特征：

1.一种基于图神经网络的配电网故障线路定位方法，其特征在于，主要包括以下步骤：

2.根据权利要求1所述的一种基于图神经网络的配电网故障线路定位方法，其特征在于，将配电网抽象为图数据g＝(v,e)，具体抽象得到的图结构类型为无向不加权同构图，图中的节点v和边e分别表示母线和馈线支路。

3.根据权利要求1所述的一种基于图神经网络的配电网故障线路定位方法，其特征在于，提取图的结构信息和节点的属性信息作为模型的输入，主要步骤如下：

4.根据权利要求1所述的一种基于图神经网络的配电网故障线路定位方法，其特征在于，利用变分图自编码器(vgae)对图中的节点特征进行抽象和压缩，主要步骤如下：

5.根据权利要求1所述的一种基于图神经网络的配电网故障线路定位方法，其特征在于，基于graphsage模型实现配电网故障线路定位，主要步骤如下：

技术总结
本发明公开了一种基于图神经网络的配电网故障线路定位方法，主要步骤为：1)将配电网抽象为图数据；2)提取图的结构信息和节点的属性信息作为模型的输入；3)利用变分图自编码器(VGAE)对图中的节点特征进行抽象和压缩；4)基于GraphSAGE模型实现配电网故障线路定位。本发明充分挖掘了配电网线路之间的关联关系，能够更加自然地反映现实场景下的配电网运行规律，并且在噪声干扰、高阻接地故障、分布式电源接入等情况下均能准确定位到故障线路区段。预测结果能在满足准确性要求的前提下为配电运维管理人员提供辅助决策支撑。

技术研发人员：范敏,张焕娇,夏嘉璐,王孝中,李娜,段奕辰
受保护的技术使用者：重庆大学
技术研发日：
技术公布日：2024/1/15