要約
ネットワークの運用と保守におけるインテリジェントな障害診断を強化することを目的として、グラフ ニューラル ネットワーク (GNN) を使用して電力網の障害を検出する新しい方法が開発されました。
この GNN ベースのアプローチは、ナレッジ グラフと組み合わせた特殊な電気的特徴抽出モデルを通じて、電力網内の障害のあるノードを特定します。
この方法では、時間データを組み込んで、前後の期間のノードのステータスを活用して、現在の障害検出を支援します。
ノードの特徴を抽出する際のこの GNN の有効性を検証するために、ニューラル ネットワーク層内の各ノードからの出力特徴の相関分析が実行されました。
実験の結果は、この方法がシミュレートされたシナリオで障害ノードを 99.53% という驚くべき精度で正確に特定できることを示しています。
さらに、グラフ ニューラル ネットワークの特徴モデリングにより、障害がノード間でどのように広がるかを定性的に調べることができ、障害ノードを分析するための貴重な洞察が得られます。
要約(オリジナル)
A novel method for detecting faults in power grids using a graph neural network (GNN) has been developed, aimed at enhancing intelligent fault diagnosis in network operation and maintenance. This GNN-based approach identifies faulty nodes within the power grid through a specialized electrical feature extraction model coupled with a knowledge graph. Incorporating temporal data, the method leverages the status of nodes from preceding and subsequent time periods to aid in current fault detection. To validate the effectiveness of this GNN in extracting node features, a correlation analysis of the output features from each node within the neural network layer was conducted. The results from experiments show that this method can accurately locate fault nodes in simulated scenarios with a remarkable 99.53% accuracy. Additionally, the graph neural network’s feature modeling allows for a qualitative examination of how faults spread across nodes, providing valuable insights for analyzing fault nodes.
arxiv情報
| 著者 | Hao Pei,Si Lin,Chuanfu Li,Che Wang,Haoming Chen,Sizhe Li |
| 発行日 | 2023-11-28 05:00:27+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google