小样本下的低压电力线网络故障量化

低压电力线网络的区域性的故障告警难以量化分析。同时,由于节点数目众多,对低压电力线节点单节点级别的故障告警进行专家分析的成本过高,进一步增加了网络故障区域性量化的难度。为此,从实际出发,给出了专家标注样本较少情况下的低压电力线网络节点级和区域级量化的方法。首先,设计了一个基于注意力机制的节点故障量化图卷积神经网络(Nodal Fault Quantization Graph Convolutional Neural Network,NFQ-GCN),以不同节点、不同重要性因子作为神经网络的输入。进一步地,设计了区域性节点故障量化图卷积神经网络(Regional Fault Quantization Graph Convolutional Neural Network,RFQ-GCN),通过约束节点扩增时区域嵌入位置振动函数至利普希茨(Lipschitz)连续条件,使区域的故障量化可解释地满足小样本的专家标注模式。通过设计上述两个神经网络,可以实现节点级和区域级的智能故障量化,降低故障分析成本。