本發(fā)明涉及電子信息，尤其涉及電網(wǎng)故障診斷，具體是指一種基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法、裝置、處理器及其計算機可讀存儲介質(zhì)。

背景技術(shù)：

1、電網(wǎng)作為現(xiàn)代社會基礎(chǔ)設(shè)施的重要組成部分，其可靠性直接關(guān)系到經(jīng)濟活動、民生和社會安全。電網(wǎng)的運行涉及到大量的設(shè)備和復(fù)雜的電氣參數(shù)，在長時間的運行過程中，設(shè)備老化、環(huán)境變換、負(fù)載波動等因素都可能引發(fā)電網(wǎng)故障。隨著電力需求持續(xù)上升，電網(wǎng)系統(tǒng)結(jié)構(gòu)日趨復(fù)雜，電網(wǎng)系統(tǒng)中隱性故障的發(fā)生頻率逐漸增加。隱性故障往往不易直接檢測，可能不會立即影響電網(wǎng)的整體運行，但長時間積累的潛在風(fēng)險會導(dǎo)致重大事故發(fā)生，嚴(yán)重影響電網(wǎng)的安全運行。傳統(tǒng)的電網(wǎng)故障檢測方法主要依賴于定期的人工巡檢、設(shè)備自診斷系統(tǒng)、以及基于電氣參數(shù)的簡單閾值檢測，然而這些方法通常無法提供實時的診斷結(jié)果，且容易受人為因素影響無法快速響應(yīng)潛在故障。隱性故障通常在初期階段無法通過傳統(tǒng)的故障檢測方法進行有效診斷，可能因環(huán)境因素、負(fù)荷波動等變化導(dǎo)致誤報或漏報，無法準(zhǔn)確識別隱性故障的存在。現(xiàn)有的檢測方法通常在設(shè)備出現(xiàn)顯性故障后才進行診斷，這導(dǎo)致了電網(wǎng)運行效率的降低，并且可能造成不可逆損害。

2、隨著電網(wǎng)設(shè)備的老化和負(fù)載的不斷增加，隱性故障的及時發(fā)現(xiàn)和診斷對于保障電網(wǎng)的穩(wěn)定性和安全性變得愈加重要。尤其在面對現(xiàn)代化電網(wǎng)中越來越多的自動化設(shè)備、分布式發(fā)電單元以及多元化負(fù)荷時，傳統(tǒng)故障檢測方法面臨著越來越大的挑戰(zhàn)。因此需要一種能夠?qū)崟r、準(zhǔn)確、自動化檢測電網(wǎng)隱性故障的方法。基于圖卷積長短時記憶網(wǎng)絡(luò)的診斷方法能夠通過圖神經(jīng)網(wǎng)絡(luò)(gnn)的空間建模能力捕捉電網(wǎng)設(shè)備之間復(fù)雜的空間關(guān)系，同時通過長短時記憶網(wǎng)絡(luò)(lstm)的時間序列建模能力捕捉時間序列中的變化規(guī)律。這種時空特征的結(jié)合使得故障診斷更加精確，能夠及時發(fā)現(xiàn)隱性故障。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是克服了上述現(xiàn)有技術(shù)的缺點，提供了一種滿足自適應(yīng)能力強、故可擴展性強、適用范圍較為廣泛的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法、裝置、處理器及其計算機可讀存儲介質(zhì)。

2、為了實現(xiàn)上述目的，本發(fā)明的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法、裝置、處理器及其計算機可讀存儲介質(zhì)如下：

3、該基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其主要特點是，所述的方法包括以下步驟：

4、(1)進行數(shù)據(jù)采集與預(yù)處理；

5、(2)構(gòu)建電網(wǎng)拓?fù)鋱D；

6、(3)構(gòu)建gc-lstm模型；

7、(4)進行模型訓(xùn)練與推斷；

8、(5)進行故障分類與定位。

9、較佳地，所述的步驟(1)具體包括以下步驟：

10、(1.1)從電網(wǎng)系統(tǒng)中獲取時間序列數(shù)據(jù)，作為動態(tài)電氣量數(shù)據(jù)；

11、(1.2)記錄設(shè)備的額定容量、安裝位置、投運時間、維護記錄；

12、(1.3)對采集到的數(shù)據(jù)進行缺失值插補，并對各項數(shù)據(jù)進行歸一化處理；

13、(1.4)根據(jù)歷史故障記錄及專家?guī)煲?guī)則標(biāo)注，給出每個訓(xùn)練樣本對應(yīng)的故障類型標(biāo)簽或正常狀態(tài)的標(biāo)簽。

14、較佳地，所述的步驟(1.3)中進行歸一化處理，具體為：

15、根據(jù)以下公式進行歸一化處理：

16、

17、其中，μ表示樣本均值，σ表示樣本標(biāo)準(zhǔn)差。

18、較佳地，所述的步驟(2)具體包括以下步驟：

19、(2.1)將每個變電站/發(fā)電廠/主要負(fù)荷中心視為一個節(jié)點，共有n個節(jié)點；將輸電線路視為邊；

20、(2.2)根據(jù)線路的傳輸容量、線路長度、阻抗來設(shè)置邊權(quán)重；

21、(2.3)將不同時間點對應(yīng)的電氣量數(shù)據(jù)作為圖信號的時間序列特征，將設(shè)備的靜態(tài)屬性作為每個節(jié)點/邊的附加特征。

22、較佳地，所述的步驟(3)具體包括以下步驟：

23、(3.1)利用電網(wǎng)拓?fù)鋵⒐?jié)點特征與鄰接節(jié)點特征共享，提取高維表示；在每一層圖卷積中，通過鄰接矩陣a與節(jié)點特征矩陣x的卷積操作，實現(xiàn)電網(wǎng)節(jié)點特征的學(xué)習(xí)和更新；

24、(3.2)將不同時刻的gcn輸出表示作為時間序列輸入到lstm網(wǎng)絡(luò)中，獲取各節(jié)點在時間維度上的演化特征；

25、(3.3)將lstm網(wǎng)絡(luò)輸出的隱藏層特征映射到全連接層，使用softmax激活函數(shù)獲取節(jié)點或線路的故障狀態(tài)概率；在輸出層設(shè)置多任務(wù)結(jié)構(gòu)，包括故障類型分類和故障位置回歸。

26、較佳地，所述的步驟(3)具體包括以下步驟：

27、(3.1)劃分歷史數(shù)據(jù)與實時數(shù)據(jù)，按照比例分為訓(xùn)練集、驗證集和測試集；

28、(3.2)利用加權(quán)的多目標(biāo)損失函數(shù)，迭代訓(xùn)練gc-lstm模型，通過調(diào)節(jié)模型的超參數(shù)對模型進一步優(yōu)化；

29、(3.3)根據(jù)分類評估、定位故障評估、不同情形下的診斷效果，獲得的模型權(quán)重。

30、較佳地，所述的步驟(4)具體包括以下步驟：

31、(4.1)將采集到的實時數(shù)據(jù)周期輸入到訓(xùn)練好的gc-lstm模型中，實時獲取故障檢測、故障類型判斷及位置預(yù)測結(jié)果；

32、(4.2)若gc-lstm模型輸出的異常概率超過設(shè)定閾值并識別出故障類型，則觸發(fā)調(diào)度控制中心的告警，輔助采取應(yīng)急措施。

33、該用于實現(xiàn)基于圖卷積網(wǎng)絡(luò)進行電網(wǎng)隱性故障診斷處理的裝置，其特征在于，所述的裝置包括：

34、處理器，被配置成執(zhí)行計算機可執(zhí)行指令；

35、存儲器，存儲一個或多個計算機可執(zhí)行指令，所述的計算機可執(zhí)行指令被所述的處理器執(zhí)行時，實現(xiàn)上述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法的各個步驟。

36、該用于實現(xiàn)基于圖卷積網(wǎng)絡(luò)進行電網(wǎng)隱性故障診斷處理的處理器，其特征在于，所述的處理器被配置成執(zhí)行計算機可執(zhí)行指令，所述的計算機可執(zhí)行指令被所述的處理器執(zhí)行時，實現(xiàn)上述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法的各個步驟。

37、該計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機程序，所述的計算機程序可被處理器執(zhí)行以實現(xiàn)上述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法的各個步驟。

38、采用了本發(fā)明的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法、裝置、處理器及其計算機可讀存儲介質(zhì)，高效性與準(zhǔn)確性：通過利用gcn提取電網(wǎng)拓?fù)浣Y(jié)構(gòu)信息，并結(jié)合lstm對時間序列動態(tài)數(shù)據(jù)進行處理，實現(xiàn)了對隱性故障的高精度識別和定位?？蓴U展性強，可靈活對網(wǎng)絡(luò)層數(shù)、輸入特征和鄰接矩陣進行擴展或裁剪，適應(yīng)不同規(guī)模的電網(wǎng)和數(shù)據(jù)采樣頻率。自適應(yīng)能力強，融合靜態(tài)設(shè)備屬性和實時動態(tài)電氣量數(shù)據(jù)，對電網(wǎng)拓?fù)渥儎?、?fù)載變化和設(shè)備老化等情況均能保持較好的診斷性能。適合多任務(wù)場景，可同時輸出故障類型和故障位置，滿足運維與調(diào)度的多重需求；針對新出現(xiàn)的故障類型，也能通過遷移學(xué)習(xí)或持續(xù)學(xué)習(xí)機制進行快速適配。

技術(shù)特征：

1.一種基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(1)具體包括以下步驟：

3.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(1.3)中進行歸一化處理，具體為：

4.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(2)具體包括以下步驟：

5.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(3)具體包括以下步驟：

6.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(3)具體包括以下步驟：

7.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，其特征在于，所述的步驟(4)具體包括以下步驟：

8.一種用于實現(xiàn)基于圖卷積網(wǎng)絡(luò)進行電網(wǎng)隱性故障診斷處理的裝置，其特征在于，所述的裝置包括：

9.一種用于實現(xiàn)基于圖卷積網(wǎng)絡(luò)進行電網(wǎng)隱性故障診斷處理的處理器，其特征在于，所述的處理器被配置成執(zhí)行計算機可執(zhí)行指令，所述的計算機可執(zhí)行指令被所述的處理器執(zhí)行時，實現(xiàn)權(quán)利要求1至7中任一項所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法的各個步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機程序，所述的計算機程序可被處理器執(zhí)行以實現(xiàn)權(quán)利要求1至7中任一項所述的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法的各個步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法，包括以下步驟：進行數(shù)據(jù)采集與預(yù)處理；構(gòu)建電網(wǎng)拓?fù)鋱D；構(gòu)建GC?LSTM模型；進行模型訓(xùn)練與推斷；進行故障分類與定位。采用了本發(fā)明的基于圖卷積網(wǎng)絡(luò)實現(xiàn)電網(wǎng)隱性故障診斷處理的方法、裝置、處理器及其計算機可讀存儲介質(zhì)，高效性與準(zhǔn)確性：通過利用GCN提取電網(wǎng)拓?fù)浣Y(jié)構(gòu)信息，并結(jié)合LSTM對時間序列動態(tài)數(shù)據(jù)進行處理，實現(xiàn)了對隱性故障的高精度識別和定位?？蓴U展性強，可靈活對網(wǎng)絡(luò)層數(shù)、輸入特征和鄰接矩陣進行擴展或裁剪，適應(yīng)不同規(guī)模的電網(wǎng)和數(shù)據(jù)采樣頻率。自適應(yīng)能力強，融合靜態(tài)設(shè)備屬性和實時動態(tài)電氣量數(shù)據(jù)，對電網(wǎng)拓?fù)渥儎?、?fù)載變化和設(shè)備老化等情況均能保持較好的診斷性能。

技術(shù)研發(fā)人員：趙曉東,陳朵朵,孫紅松,汪海燕,婁建成,李鋒,單軍,尹躍,劉珊,張軍,陳勇,柯明宇,張勇,陳云彩
受保護的技術(shù)使用者：國網(wǎng)安徽省電力有限公司宿州供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15