[发明专利]基于图神经网络的变电站二次回路故障定位方法及系统

说明书

本发明公开了一种基于图神经网络的变电站二次回路故障定位方法及系统，其中方法包括：解析智能变电站配置描述文件，将解析结果存入图数据库中，并建立二次设备物理回路与虚回路的对应关系；利用历史数据库或故障涌现的方法制作训练集，离线训练图神经网络模型；用所述告警信号找出所有关联故障设备，并对所述告警信号进行预处理，判断所述关联故障设备是否构成连通图，若不构成连通图，则将其拆分为独立的连通图后的拓扑信息及告警信号表征输入训练后的图神经网络模型；利用所述图神经网络模型预测得到所述关联故障设备的故障种类。本发明使用图神经网络搭建故障定位模型，使得模型在组网方式变更的情况下准确性增加。

技术领域

本发明涉及智能变电站故障定位技术领域，具体涉及一种基于图神经网络的变电站二次回路故障定位方法及系统。

背景技术

随着智能变电站信息化技术的快速发展，智能变电站二次系统网络日趋复杂，故障定位技术作为智能变电站智能运维的核心一直是研究的热点。由于二次设备的互联性，二次回路故障存在着一定的关联，而二次回路故障定位则是需要依据告警信号的相互关系，从多个故障事件中定位故障源。在智能变电站二次系统中，网络拓扑中一个节点出现故障，往往会导致与其相连的其他节点也发生异常，进而产生大量告警使得故障源难以判断。

有关智能变电站二次系统故障定位的方法早有研究，传统方法主要采用Petri网、举证表等，难以应对大型的网络，而传统机器学习、深度学习的方法虽然能够增加定位精度，但是当二次系统网络中告警信号变化甚至网络结构变化时需要重新训练模型，难以应用在实际场景中。

发明内容

本发明所要解决的技术问题是传统机器学习、深度学习的方法虽然能够增加变电站二次回路故障定位精度，但是当二次系统网络中告警信号变化甚至网络结构变化时需要重新训练模型，难以应用在实际场景中，目的在于提供一种基于图神经网络的变电站二次回路故障定位方法及系统，解决了传统机器学习、深度学习的方法虽然能够增加变电站二次回路故障定位精度，但是当二次系统网络中告警信号变化甚至网络结构变化时需要重新训练模型，难以应用在实际场景中的技术问题。

本发明通过下述技术方案实现：

一种基于图神经网络的变电站二次回路故障定位方法，包括：

解析智能变电站配置描述文件，将解析结果存入图数据库中，并建立二次设备物理回路与虚回路的对应关系；

利用历史数据库，以所述图数据库的形式制作训练集，离线训练图神经网络模型，或者，利用故障涌现的方法制作训练集，离线训练图神经网络模型；

提取并解析二次系统产生的不同告警信号以及网络拓扑信息；

利用所述告警信号找出所有关联故障设备，并对所述告警信号进行预处理，判断所述关联故障设备是否构成连通图，若不构成连通图，则将其拆分为独立的连通图后的拓扑信息及告警信号表征输入训练后的图神经网络模型；

利用所述图神经网络模型预测得到所述关联故障设备的故障种类。

进一步，所述解析智能变电站配置描述文件，将解析结果存入图数据库中，并建立二次设备物理回路与虚回路的对应关系，具体包括：

S1-1：利用Xpath解析变电站配置描述文件中的节点及属性，并根据父子节点之间的关系提取实体-关系-实体三元组；

S1-2：利用PhysConn节点下的Port与Cable属性建立二次设备的物理回路连接；利用ExtRef节点intAddr属性找到输入虚段子节点与端口号，根据daName、doName、ldInst、lnClass、iedName、lnInset、Prefix属性组成的外部虚段子引用路径找到输出虚段子，再根据物理连接关系匹配输出端口至输入端口的完整连接关系，将虚连接内容存储至对应边关系属性中；