申请/专利权人：浙江大学

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117872038A

主分类号：G01R31/08

分类号：G01R31/08;G06N3/042;G06N3/0464;G06N3/08;G06F18/213;G06F18/24;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于图论的直流微电网失稳故障源定位方法，该方法通过失稳故障特征采集与提取环节，收集关键的电气特征量，以准确捕捉失稳振荡现象，并利用小波包分解构建故障特征向量；接着，依据直流微电网的结构构建无向图模型G=V,E,X，为分析打下基础；应用图卷积神经网络进行深度学习训练，进一步提升诊断的准确度和效率；将训练成熟的模型部署于实际系统中，有效实现失稳源的精准故障诊断和定位。本发明还提供了一种直流微电网失稳故障源定位装置。本发明所提供的方法能显著提升了直流配电网的维护水平，而且通过先进的自动化诊断技术，大幅提高了系统运行稳定性的检测和调整能力。

主权项：1.一种基于图论的直流微电网失稳故障源定位方法，其特征在于，包括以下步骤：获取直流微电网中各电力电子变换器的电气数据，并对所述电气数据进行数据处理，以获得对应的特征向量；基于直流微电网构建图模型，所述图模型以电力电子变换器作为节点，以各电力电子变换器之间的功率流动路径作为节点间边，并将电力电子变换器对应的特征向量作为节点特征矩阵；以直流微电网是否失稳对电力电子变换器的电气数据进行标签标注，将电力电子变换器的电气数据与标签组成数据集；将所述图模型引入预构建的图卷积神经网络框架中构建对应的分类网络，所述分类网络包括特征提取模块，特征融合模块以及分类模块：所述特征提取模块用于获取电力电子变换器的电气变化数据以及对应图模型中的位置信息，以生成电气变化数据对应的特征向量和位置信息对应的节点向量；所述特征融合模块根据生成的特征向量和节点向量，生成对应的节点特征表征；所述分类模型根据输入的节点特征表征以输出分类结果，所述分类结果包括直流电网是否失稳以及失稳故障源；利用数据集对分类网络进行训练，以获得用于诊断直流电网失稳的电网诊断模型；将待诊断直流电网各电力电子变换器的电气数据输入至电网诊断模型，以输出直流电网是否失稳的判断结果和存在的失稳故障源。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于图论的直流微电网失稳故障源定位方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD