摘要详情

ID / 提交时间

65 / 2024-04-08 17:04:01

标题

GIS insulation fault diagnosis based on graphSAGE

关键字

gas‐insulated switchgear,insulation fault diagnosis,graph neural networks,Graph Sample and Aggregate

主题及专题

1)Emerging HV Switching Technologies

状态

全文录用

作者

Guoqing Sui / Xi 'an Jiaotong University

Jing Yan / Xi'an Jiaotong University

Meirong Qi / Xi 'an Jiaotong University

Pu Chen / Xi 'an Jiaotong University

摘要

深度学习在气体绝缘开关设备（GIS）绝缘故障诊断中得到了广泛的应用。常见的深度学习方法包括卷积神经网络（CNN）和图卷积神经网络（GCN）。其中，CNN依靠大量数据作为训练数据集。GCN虽然解决了数据依赖的问题，但它是转导学习，不能推广到看不见的节点。这使得GCN在GIS绝缘故障诊断的实际应用中浪费了大量的时间和计算资源。针对该问题，该文提出一种基于图样本和聚合（graphSAGE）的GIS绝缘故障诊断方法。首先，利用KNN方法将GIS电压信号转换为图结构，然后将图结构输入到graphSAGE网络中;一方面，graphSAGE网络可以确定采样邻域的数量和层数，使模型更具表现力。另一方面，graphSAGE是归纳学习，它能够学习一组聚合函数来处理看不见的节点，使图神经网络在GIS绝缘故障诊断的实际工程应用中向前迈出了一大步。最后，通过实验验证了所提方法的有效性，结果表明该方法的准确率明显高于传统的深度学习网络。