要約
運用と保守のインテリジェンス度を高めるために、電力網の障害検出のための新しい方法が提案されています。
提案された GNN ベースのアプローチでは、まずナレッジ グラフと組み合わせた特殊な特徴抽出方法を通じて障害ノードを特定します。
この方法では、時間データを組み込むことで、前後の期間のノードのステータスを利用して、現在の障害検出を支援します。
ノード機能の有効性を検証するために、各ノードからの出力機能の相関分析が実施されました。
実験の結果は、この方法がシミュレーション シナリオで障害ノードを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 ベース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)
To enhance the intelligence degree in operation and maintenance, a novel method for fault detection in power grids is proposed. The proposed GNN-based approach first identifies fault nodes through a specialized feature extraction method coupled with a knowledge graph. By incorporating temporal data, the method leverages the status of nodes from preceding and subsequent time periods to help current fault detection. To validate the effectiveness of the node features, a correlation analysis of the output features from each node was conducted. The results from experiments show that this method can accurately locate fault nodes in simulation scenarios with a remarkable accuracy. Additionally, the graph neural network based feature modeling allows for a qualitative examination of how faults spread across nodes, which provides 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 | 2024-01-17 05:04:12+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google