-
题名基于DKG和IGCN的电力变压器故障诊断方法
- 1
-
-
作者
黄欣
郇嘉嘉
赵敏彤
吴伟杰
张伊宁
-
机构
广东电网有限责任公司电网规划研究中心
-
出处
《广东电力》
2023年第11期146-156,共11页
-
基金
中国南方电网有限责任公司科技项目(GDKJXM20190387)。
-
文摘
为了提升电力变压器的故障诊断的准确性,提出一种基于领域知识图谱(domain knowledge graph, DKG)和改进图卷积网络(improved graph convolutional network, IGCN)的电力变压器故障诊断方法。首先,利用DKG构建由节点与边构成的电力变压器知识图谱,并建立知识图谱与故障样本之间的映射关系,形成变压器故障知识图谱,为后续故障诊断提供数据支撑;其次,在谱域GCN原理的基础上,引入基于稀疏注意力的自适应图池化,对谱域GCN网络进行改进;最后,使用不同诊断方法对采集的3 000个变压器故障样本进行故障诊断实验,验证所提方法的优越性。实验结果表明,所提方法能够有效诊断变压器故障类型,较卷积神经网络、深度置信网络和深度神经网络等常规故障诊断方法:在2 400个样本下,识别率分别提升0.7%、4.7%和9.2%;随着样本数量的减小识别优势更为明显,在400个样本数量下,识别率分别提升4.2%、7.4%和14.3%。由此可知所提方法对变压器故障样本信息利用更为全面,诊断效果更优,且识别优势随着样本数量的减小更为明显。
-
关键词
电力变压器
领域知识图谱
改进图卷积网络
稀疏注意力
自适应池化
-
Keywords
power transformer
domain knowledge graph(dkg)
improved graph convolutional network(IGCN)
sparse attention
adaptive pooling
-
分类号
TM41
[电气工程—电器]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
