文献类型：期刊文章

作　　者：许可[1] 范馨月[1] 张恒荣[2]

XU Ke;FAN Xinyue;ZHANG Hengrong(Faculty of Mathematics,School of Mathematics and Statistics,Guizhou University,Guiyang 550025,China;Electric Power Research Institute,Guizhou Power Grid Co.,Ltd.,Guiyang 550002,China)

机构地区：[1]贵州大学数学与统计学院数学系,贵州贵阳550025 [2]贵州电网有限责任公司电力科学研究院,贵州贵阳550002

出　　处：《实验技术与管理》

基　　金：贵州省科技计划项目(黔科合平台人才〔2020〕5016);贵州大学教改项目(XJG2021027);贵州大学一流课程培育项目(XJG2021040)。

年　　份：2023

卷　　号：40

期　　号：1

起止页码：26-30

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、RCCSE、核心刊

摘　　要：主流的配电网故障定位和识别故障类别任务分开建模,却忽略了故障定位和故障类别之间关联性,该文提出了故障定位以及故障类别的端到端联合模型。利用契比雪夫图卷积神经网络(ChebNet)作为编码器,聚合静态的图结构和动态的节点信息得到各节点的数学表达;在故障定位解码端,通过多头自注意力机制建立适用于节点属性变化以及融合配电网拓扑结构的配电网故障定位模型;在故障分类解码端,结合故障定位解码端的故障区域信息以及ChebNet编码器得到的各节点的数学表达,通过全连接层建立故障类型识别模型。实验结果表明,基于契比雪夫图卷积神经网络在双电源配电网中故障定位中效果较好,故障定位准确率达到98.25%,故障类别任务中的准确率为93.11%。该方法适用于主动配电网结构灵活及含分布式电源的配电网络中。

关 键 词：契比雪夫图卷积神经网络  多头自注意力机制  配电网 联合模型  

分 类 号：TP18] TM73]