基于图神经网络的配电网故障预测

作者：杨华^*; 李喜旺; 司志坚; 张晓

来源：计算机系统应用, 2020, 29(09): 131-135.

DOI：10.15888/j.cnki.csa.007516

• 图神经网络
• 配电网
• 泛在物联
• 深度学习
• 反向传播

在实际应用场景的配电网故障占电网总故障的80%以上,并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出"泛在物联"的号召下,分析了学者们在此问题上的研究成果后,结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架,详细的设计了节点信息汇集函数、预测函数和损失函数,并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响,使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较,实验表明算法在精确度上提高了3.0%,并具有更强的鲁棒性.

• 单位
  国网辽宁省电力有限公司; 中国科学院沈阳计算技术研究所; 中国科学院大学