基于图半监督与多任务学习的配电网故障区段与类型统一辨识

• Published in: 电力系统保护与控制 Vol. 52; no. 12; pp. 25 - 32
• Main Authors: 梁栋, 赵月梓, 贺国润, 陈海文
• Format: Journal Article
• Language: Chinese
• Published: 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学),天津 300401 16.06.2024; 河北工业大学创新研究院,河北 石家庄 050222
• Subjects: multi-task learning; 图神经网络; 故障辨识; 多任务学习; distribution network; 半监督学习; 配电网; semi-supervised learning; graph neural network; fault identification
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.231630

为解决深度学习类配电网故障辨识方法在量测不足和标记率低时准确率不高的问题,提出了基于图半监督与多任务学习的故障区段与类型统一辨识方法.首先,设计了故障区段与类型统一辨识的图神经网络架构,在图嵌入层中融入网络拓扑和线路参数信息,以充分挖掘不同位置、类型的故障特征.其次,采用多任务注意力网络构建了故障区段定位和类型辨识两个任务,以提取故障的多重信息,实现不同任务间知识转移.再次,将图嵌入特征与无标签样本的编码压缩特征进行融合,得到新的多任务共享特征,以充分利用未标记数据,增强模型泛化能力.最后,通过算例测试表明,所提方法的故障辨识精度优于传统神经网络,且在实时量测少、标签率低及不同量测噪声条件下具有更好的鲁棒性.