[发明专利]基于正交图注意力神经网络的配电网故障诊断方法及装置

说明书

本申请公开了基于正交图注意力神经网络的配电网故障诊断方法及装置，其中的方法包括获取训练数据；构建基于正交注意力机制的图神经网络模型，所述基于正交注意力机制的图神经网络模型包括图神经网络和正交注意力机制；对模型进行训练，得到配电网故障诊断模型。本申请提出的基于图正交注意力神经网络机制的配电网故障诊断算法适用于频繁变化的配电网故障诊断，具有精度高，对数据扰动和缺失具有鲁棒性的优点，对配电网重构时拓扑结构的改变具有更好的适应性，提高了故障定位模型的拓扑泛化能力，以达到更好的配电网故障诊断的效果。

技术领域

本申请涉及配电网故障诊断领域，尤其是基于正交图注意力神经网络的配电网故障诊断方法及装置。

背景技术

配电网为电网的神经末梢，用电量大，所用电器种类极多，较为容易发生故障，需要对配电网故障进行快速的推断。当前的传统方案多依据行波法或零序电流法对配电故障位置进行定位诊断。传统配电网故障诊断方法对于信号传输的准确度要求较高，当上传信号有较大噪声时，该方法对配电故障判断的准确度急剧下降。另外，配电网的拓扑结构错综复杂，且拓扑结构随着用电峰谷波动、天气、气温等因素的变化而变化，传统方法针对拓扑改变要重新生成网络矩阵或数据库，大大地增加了计算量，人工智能的方法虽然在一定程度上适应网络拓扑改变，但不能准确地定位到故障区段，在微弱特征信号的提取方面存在着困难。

因此，相关技术存在的上述技术问题亟待解决。

发明内容

本申请旨在解决相关技术中的技术问题之一。为此，本申请实施例提供基于正交图注意力神经网络的配电网故障诊断方法及装置，能够较为准确地对配电网进行故障诊断。

根据本申请实施例一方面，提供基于正交图注意力神经网络的配电网故障诊断方法，所述方法包括：

获取训练数据；

构建基于正交注意力机制的图神经网络模型，所述基于正交注意力机制的图神经网络模型包括图神经网络和正交注意力机制；

对模型进行训练，得到配电网故障诊断模型。

在其中一个实施例中，所述图神经网络的输入为三相电压电流幅值信息，所述图神经网络的每个节点包括用于表示故障状态的标签，所述图神经网络的输出为所述图神经网络的每个节点的状态判别结果。

在其中一个实施例中，所述图神经网络的每个节点包括用于表示故障状态的标签，包括：

所述图神经网络的每个节点包含一个二进制编码，0表示正常状态，1表示故障状态；或者，1表示正常状态，0表示故障状态。

在其中一个实施例中，所述方法还包括：

用数学式表示注意力机制；

通过计算得到节点之间的相关度并进行softmax归一化处理得到注意力系数；

在所述注意力系数上增加正交约束。

在其中一个实施例中，所述数学式包括：

Attention(Q，S)＝∑Q，S·S

式中，S代表电网拓扑所有邻居节点的特征向量；Q是中心节点的特征向量。

在其中一个实施例中，所述注意力系数的表达式包括：

式中，L表示ReLU激活函数；α表示计算两个电网节点相关度的函数；W表示电网节点从输入特征维度变换到输出特征维度的权重参数矩阵。

在其中一个实施例中，所述正交约束为：

L＝minα_iα_j