(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211377677.8 (22)申请日 2022.11.04 (71)申请人 国网浙江省电力有限公司金华供电 公司 地址 321013 浙江省金华市 婺城区双溪西 路420号 申请人 国网浙江省电力有限公司信息通信 分公司 (72)发明人 李毓　赵凯美　张波　瞿迪庆　 卢海权　秦威南　杨怀仁　吕齐　 陈志华　林恺丰　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 专利代理师 戴俊波(51)Int.Cl. G01R 31/08(2006.01) G01R 31/52(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 有源配电网单相接地故障区段定位方法 (57)摘要 本发明公开了有源配电网单相接地故障区 段定位方法， 包括步骤1， 建立有源配电网单相接 地故障样本集， 样本集包括训练集和测试集； 步 骤2， 构建基于边图和图注意力网络的故障定位 模型， 模型输出各线路是否发生故障的置信度； 步骤3， 使用训练集训练故障定位模型， 当模型的 损失函数在迭代过程中不再减小且评估指标不 再变化时结束训练； 步骤4， 使用训练完成的模型 进行故障定位， 通过测试集评价模 型的误判率及 定位准确率。 本发明不仅能够弥补传统GNN框架 难以处理边特征的缺陷， 而且能解决人工处理特 征造成定位效果下降的问题， 用少量的训练样本 就能实现准确的故障区段定位， 在考虑数据丢 失、 负荷波动等情形 下有较好的鲁棒 性。 权利要求书2页 说明书8页 附图5页 CN 115494349 A 2022.12.20 CN 115494349 A 1.有源配电网单相接地故障区段定位方法， 其特 征在于， 包括以下步骤： 步骤1， 建立有源配电网单相接地故障样本集， 样本集包括训练集和 测试集； 步骤2， 构建基于边图和图注意力网络的故障定位模型， 故障定位模型输出各线路是否 发生故障的置信度； 步骤3， 使用训练集训练故障定位模型， 当故障定位模型的损失函数在迭代过程中不再 减小且评估指标不再变化时结束训练； 步骤4， 使用训练完成的故障定位模型进行故障定位， 通过测试集评价故障定位模型的 误判率及定位 准确率； 步骤5， 若通过测试集评价故障定位模型的误判率未超过设定的第一阈值且定位准确 率超过设定的第二阈值， 则在有源配电网单相 接地故障时， 故障定位模型对有源配电网单 相接地故障区段进行定位， 若通过测试集评价故障定位模型的误判率超过设定的第一阈值 且/或定位 准确率未超过设定的第二阈值， 则跳转至步骤6； 步骤6， 调整故障定位模型的参数， 重复步骤2至步骤5 。 2.根据权利要求1所述的有源配电网单相接地故障区段定位方法， 其特征是， 所述的步 骤1中， 故障样 本集包括 故障样本和非故障样 本， 故障样 本的获取方式为通过仿 真在各相线 路上设置相同数量的单相接地 故障， 获取故障前后的电流有效值， 三相、 两相和单相线路的 故障样本数量比为3： 2： 1； 非故障样 本采样电流有效值作为 故障前的电流值， 故障后的电流 值为故障前的电流 值经过数据加噪实现。 3.根据权利要求2所述的有源配电网单相接地故障区段定位方法， 其特征在于， 所述的 故障定位模型包括输入 模块、 图嵌入 模块和分类 器模块， 所述的步骤2具体为： 输入模块包括边图转换模块， 边图转换模块包括节点图模型和边图模型， 在节点图模 型中， 将线路抽象为边， 节点特征取自母线上的电气量； 在边图模型中， 将线路抽象成节点 成为边图节点， 边图节点特征取自线路上的电气量， 相 邻线路对应的边图节点用边相连； 然 后输入模块将边图节点特征按边图节点顺序排列成特征矩阵， 边图节点的顺序与边图邻接 矩阵一致； 图嵌入模块包括图注意力层和线性层， 图注意力层根据线路的邻接关系进行更新， 更 新后的节点特征长度为D， 线性层 对边图节 点特征做线性变换， 变换后节点特征长度也为D， 最后图嵌入 模块对图注意力层和线性层的输出 结果进行相加； 分类器模块将图嵌入模块输出的各节点特征展平成一个长向量作为层数至少为2的多 层感知机的输入； 使用归一化指数函数以概率的形式输出 M+1维的向量， 分别表示 M条线路 发生故障的置信度和无故障的置信度， 取最大置信度对应的类别作为 最终的输出。 4.根据权利要求3所述的有源配电网单相接地故障区段定位方法， 其特征在于， 所述的 图嵌入模块还包括批量归一化层， 在图嵌入模块对图注意力层和线性层的输出结果进 行相 加后， 使用批量归一 化稳定每层输入数据的分布， 批量归一 化层后的激活函数选择ReLU。 5.根据权利要求3所述的有源配电网单相接地故障区段定位方法， 其特征在于， 所述的 多层感知机中的每一层均添加丢失概率50%的Rr opout层， 用于减少故障定位模 型的过拟合 程度。 6.根据权利要求3所述的有源配电网单相接地故障区段定位方法， 其特征是， 所述的输 入模块中还包括数据预 处理模型， 对于进入图转换模块的数据需要首先经过预 处理模型对权　利　要　求　书 1/2 页 2 CN 115494349 A 2数据进行预处理， 对于三相电流的有效值不需要进行处理， 对于两相电流和单相电流中无 效项用0填充， 对于缺失的数据也用0填充。 7.根据权利要求2所述的有源配电网单相接地故障区段定位方法， 其特征是， 所述的步 骤3具体为： 首先对训练集中的训练样本进行随机采样， 采用带权重的随机采样解决采样过程中类 别不平衡的问题， 每轮训练中不放回地对训练样本进行采样， 构成若干个小批量的数据进 行训练， 直到某一类的样本被全部取完进入下一轮训练， 其中每类样本的采样概率与其在 训练集中占的比例呈反比； 选择交叉熵损失函数来衡量两个 独立概率分布的差异并训练故障定位模型： 式中，H(p,q)表示标签 p和模型输出 q的交叉熵损失值， pi和qi分别表示标签中和模型输 出结果中类别 i的概率， 优化器使用Adam。 8.根据权利要求1所述的有源配电网单相接地故障区段定位方法， 其特征是， 所述的步 骤4具体为： 首先定义 故障的类型， A类故障类型表示真实的标签为无故障， 故障定位模型输 出的结果是线路 i故障； B类故障类型表示真实的标签为线路 i故障， 故障定位模 型输出的结 果是无故障； C类故障类型表示真实的标签为线路 i故障， 故障定位模 型输出的结果是线路 j 故障； 在测试集中， 若是非故障样本， 则用A类故障类型样本数占非故障样本数的百分比表示 故障定位模型A类故障误判 率 ； 若是故障样本， 用B类故 障样本数所占故 障样本数的百 分比表示B类故障误判率 ； 对于C类故障类型， 通过 k阶定位准确率 来判断： 式中，Nf是测试集中的故障样本数， Nk是模型定位 的线路与真实故障线路存在 k阶相邻 关系的样本数， Np是故障定位模型定位的线路为真实故障线路的样本数； 1阶定位准确率的 含义是故障定位模型定位到故障线路一阶相 邻线路的情况也被认定为定位正确；  2阶定位 准确率的含义是定位到故障线路二阶相邻线路的情况也被认定为定位 正确。权　利　要　求　书 2/2 页 3 CN 115494349 A 3