买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司东莞供电局申请的专利一种考虑拓扑结构变化的配电网故障选线方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119438800B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411663788.4，技术领域涉及：G01R31/08；该发明授权一种考虑拓扑结构变化的配电网故障选线方法是由黄世昌;曾宇辉;谢政威;钟健儿;林雨桐设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种考虑拓扑结构变化的配电网故障选线方法在说明书摘要公布了：本发明涉及电力运维技术领域，具体公开一种考虑拓扑结构变化的配电网故障选线方法，所述方法包括：通过采集零序电流数据并转换为图结构数据，为模型提供表征配电网拓扑和电流特性的输入信息；利用图注意力网络对邻接矩阵和节点特征进行学习，直至模型能够准确预测配电网单相接地故障的概率；基于模型输出的节点故障概率，设定阈值以识别和定位具体的故障线路；将现场零序电流数据输入训练好的模型，以实现快速准确地判断配电网的故障位置。本发明提供一种考虑拓扑结构变化的配电网故障选线方法，能提高故障选线的效率和准确性，从而在更广泛的配电网环境中实现有效的故障监控。

本发明授权一种考虑拓扑结构变化的配电网故障选线方法在权利要求书中公布了：1.一种考虑拓扑结构变化的配电网故障选线方法，其特征在于，包括： S10：数据预处理：通过采集零序电流数据并转换为图结构数据，为模型提供表征配电网拓扑和电流特性的输入信息； S20：模型训练：利用图注意力网络对邻接矩阵和节点特征进行学习，直至模型能够准确预测配电网单相接地故障的概率； S30：故障判断：基于模型输出的节点故障概率，设定阈值以识别和定位具体的故障线路； S40：模型应用：将现场零序电流数据输入训练好的模型，以实现快速准确地判断配电网的故障位置； 其中， 所述S10包括： S101：数据采集：从配电网现场采集零序电流数据； S102：数据清洗：去除采集到的零序电流数据中的噪声和异常值； S103：特征提取：从清洗后的数据中提取关键特征； S104：构建图结构：将配电网的节点和支路信息转化为图结构数据，其中节点代表配电网的各个部分，边代表节点之间的连接关系； 所述S104包括： 先获取配电网量测节点的拓扑连接关系，根据式1制作成节点邻接矩阵，通过实地测量零序电流互感器的数据，获得实验所需要的零序电流数据样本； 将实地测量获得的样本数据运用公式4对每个测点的故障电流信号进行归一化，得到处理后的实验数据，将其作为每个节点的节点特征数据；将IEEE18节点网络故障区段的两侧节点当做故障节点，将故障节点的标签设置为1，非故障节点的标签设置为0： 邻接矩阵A描述配电网各节点的连接关系，其中，邻接矩阵的行、列编号与节点相对应，如式1所示： 1； 采用支路零序电流作为支路首端节点的特征向量； 采用归一化方法对数据进行预处理，公式如下所示： 4； 其中，I为原始的电流数据，是归一化后的数据，是原始数据中的最小值，是原始数据中最大值； 所述S20具体为： 将处理好的邻接矩阵和节点特征输入到搭建好的图神经网络模型中，通过GAT和LSTM分别提取空间特征和时间特征，通过图注意力机制给不同的节点分配不同的权重聚合特征更明显的空间特征，同时LSTM的多重门结构单元通过遗忘、更新和输出对时序信号进行多重依赖关系捕捉，通过一个拼接层将时间空间特征向量拼接在一起，在经过一个全连接层和sigmod分类层，将得到的预测结果与真实故障标签使用交叉熵损失函数计算损失值，依据损失值的大小，通过反向传播更新模型参数，使模型向损失值更小的方向优化；根据模型输出的每个节点故障与否的概率Pi，确定配电网在哪两个节点之间存在故障，从而确定故障区段；当训练结果满足一定的精度后保存模型参数，得到训练好的模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东电网有限责任公司;广东电网有限责任公司东莞供电局，其通讯地址为：510060 广东省广州市越秀区东风东路757号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。