Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network

HUANG Nantian; CHENG Duo; CAI Guowei

doi:10.7500/AEPS20240316001

您当前的位置：

首页 >

文章列表页 >

Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network

Invited Paper | 更新时间：2025-06-16

- Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network
- Automation of Electric Power Systems Vol. 49, Issue 10, Pages: 112-122(2025)
- 作者机构：
  
  现代电力系统仿真控制与绿色电能新技术教育部重点实验室（东北电力大学），吉林省吉林市 132012
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2022YFB2404002)
- DOI：10.7500/AEPS20240316001
  CLC：
- Received：16 March 2024，
  
  Revised：2024-08-06，
  
  Published Online：30 August 2024，
  
  Published：25 May 2025
- 稿件说明：
移动端阅览
黄南天,程铎,蔡国伟.基于改进时空图神经网络的高渗透率有源配电网故障定位[J].电力系统自动化,2025,49(10):112-122.

HUANG Nantian,CHENG Duo,CAI Guowei.Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network[J].Automation of Electric Power Systems,2025,49(10):112-122.
黄南天,程铎,蔡国伟.基于改进时空图神经网络的高渗透率有源配电网故障定位[J].电力系统自动化,2025,49(10):112-122. DOI： 10.7500/AEPS20240316001.

HUANG Nantian,CHENG Duo,CAI Guowei.Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network[J].Automation of Electric Power Systems,2025,49(10):112-122. DOI： 10.7500/AEPS20240316001.

摘要

针对目前围绕同步波形测量数据展开的配电网故障定位研究较少、传统智能方法对电网物理拓扑结构与波形数据信息利用程度较低、高比例分布式电源接入降低了现有方法精度的问题，提出一种基于改进时空图神经网络的配电网故障区段定位方法。首先，将配电网的同步波形测量数据映射为时空图结构数据，通过结合电网物理结构信息，提高方法的鲁棒性；然后，通过时空融合图卷积最大化利用数据时空信息，提取故障位置特征，实现高比例分布式电源接入下的更精确故障区段定位。最后，引入残差连接与门控激活函数，扩大感受野，降低对量测条件的需求。仿真结果表明，所提方法能够在高比例分布式电源接入以及不同故障条件、噪声干扰环境下以较高的准确率定位故障线路。

Abstract

Aiming at the problems that there are few studies on fault location for distribution network based on synchronous waveform measurement data

the low utilization of traditional intelligent methods on the network physical topology and waveform data information

and the high proportion of distributed generator access reduce the accuracy of existing methods

a fault location method for active distribution network based on improved spatio-temporal graph neural network is proposed. First

the synchronous waveform measurement data of the distribution network is mapped to the spatio-temporal graph-structured data

and the robustness of the method is improved by combining the physical structure information of the power grid. Then

the spatio-temporal information of the data is maximally utilized by the spatio-temporal fusion graph convolution to extract fault location characteristics and achieve more accurate fault section location with high proportion of distributed generators. Finally

residual connection and gate activation function are introduced to expand the receptive field and reduce the demand for measurement conditions. Simulation results show that the proposed method can locate fault lines with high accuracy under high proportion of distributed generators

various fault conditions and noise interference environments.

关键词

Keywords

references

詹惠瑜，刘科研，盛万兴，等 . 有源配电网故障诊断与定位方法综述及展望［J］. 高电压技术， 2023 ， 49 （ 2 ）： 660 - 671 .

ZHAN Huiyu ， LIU Keyan ， SHENG Wanxing ， et al . Review and prospects of fault diagnosis and location method in active distribution network ［J］. High Voltage Engineering ， 2023 ， 49 （ 2 ）： 660 - 671 .

韦明杰，王聪博，余越，等 . 适用高比例分布式光伏接入的配电网多级保护优化配置方案［J］. 电力系统自动化， 2023 ， 47 （ 22 ）： 55 - 65 .

WEI Mingjie ， WANG Congbo ， YU Yue ， et al . Optimal configuration scheme of multi-staged protection in distribution network for integration of high proportion of distributed photovoltaic ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 22 ）： 55 - 65 .

李卫彬，童欣，黄超，等 . 基于分层定位模型的含DG配电网故障定位方法研究［J］. 电力系统保护与控制， 2022 ， 50 （ 24 ）： 160 - 166 .

LI Weibin ， TONG Xin ， HUANG Chao ， et al . A fault location method for a distribution network with DG based on a hierarchical location model ［J］. Power System Protection and Control ， 2022 ， 50 （ 24 ）： 160 - 166 .

王鲍雅琼，陈皓 . 含分布式电源的配电网保护改进方案综述［J］. 电力系统保护与控制， 2017 ， 45 （ 12 ）： 146 - 154 .

WANG Baoyaqiong ， CHEN Hao . Overview study on improving protection methods of distribution network with distributed generation ［J］. Power System Protection and Control ， 2017 ， 45 （ 12 ）： 146 - 154 .

齐郑，黄朝晖，陈艳波 . 基于零序分量的阻抗法配电网故障定位技术［J］. 电力系统保护与控制， 2023 ， 51 （ 6 ）： 54 - 62 .

QI Zheng ， HUANG Zhaohui ， CHEN Yanbo . Impedance fault location technology for a distribution network based on a zero-sequence component ［J］. Power System Protection and Control ， 2023 ， 51 （ 6 ）： 54 - 62 .

束洪春，刘佳露，田鑫萃 . 基于故障行波沿线突变和模型匹配的辐射状配电网故障定位［J］. 电力系统自动化， 2020 ， 44 （ 9 ）： 158 - 163 .

SHU Hongchun ， LIU Jialu ， TIAN Xincui . Fault location of radial distribution network based on sudden changes of fault traveling wave along line and model matching ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 9 ）： 158 - 163 .

徐彪，尹项根，张哲，等 . 矩阵算法和优化算法相结合的配电网故障定位［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 152 - 158 .

XU Biao ， YIN Xianggen ， ZHANG Zhe ， et al . Fault location for distribution network based on matrix algorithm and optimization algorithm ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 152 - 158 .

BAHMANYAR A ， JAMALI S . Fault location in active distribution networks using non-synchronized measurements ［J］. International Journal of Electrical Power & Energy Systems ， 2017 ， 93 ： 451 - 458 .

MIRSHEKALI H ， DASHTI R ， KESHAVARZ A ， et al . A novel fault location methodology for smart distribution networks ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 2 ）： 1277 - 1288 .

QIAO J ， YIN X G ， WANG Y K ， et al . A multi-terminal traveling wave fault location method for active distribution network based on residual clustering ［J］. International Journal of Electrical Power & Energy Systems ， 2021 ， 131 ： 107070 .

GALVEZ C ， ABUR A . Fault location in active distribution networks containing distributed energy resources （DERs）［J］. IEEE Transactions on Power Delivery ， 2021 ， 36 （ 5 ）： 3128 - 3139 .

郭上华，王钢 . 融合FTU和配变告警信息的有源配网故障定位方法［J］. 电力系统保护与控制， 2022 ， 50 （ 22 ）： 92 - 99 .

GUO Shanghua ， WANG Gang . An active distribution network fault location method based on FTU and transformer alarm information ［J］. Power System Protection and Control ， 2022 ， 50 （ 22 ）： 92 - 99 .

梁英达，田书，刘明杭 . 基于相量校正的多源配电网故障区段定位［J］. 电力系统保护与控制， 2023 ， 51 （ 1 ）： 33 - 42 .

LIANG Yingda ， TIAN Shu ， LIU Minghang . Fault section location of multi-source distribution network based on phasor correction ［J］. Power System Protection and Control ， 2023 ， 51 （ 1 ）： 33 - 42 .

陶维青，肖松庆，秦明辉，等 . 含有限PMU的主动配电网故障定位［J］. 太阳能学报， 2022 ， 43 （ 4 ）： 112 - 120 .

TAO Weiqing ， XIAO Songqing ， QIN Minghui ， et al . Fault location of active distribution network with limited PMU ［J］. Acta Energiae Solaris Sinica ， 2022 ， 43 （ 4 ）： 112 - 120 .

张健磊，高湛军，王志远，等 . 基于有限μPMU的主动配电网故障定位方法［J］. 电网技术， 2020 ， 44 （ 7 ）： 2722 - 2730 .

ZHANG Jianlei ， GAO Zhanjun ， WANG Zhiyuan ， et al . Fault location method for active distribution based on finite μPMU ［J］. Power System Technology ， 2020 ， 44 （ 7 ）： 2722 - 2730 .

杨挺，耿毅男，郭经红，等 . 人工智能在新型电力系统智能传感、通信与数据处理领域应用［J］. 高电压技术， 2024 ， 50 （ 1 ）： 19 - 29 .

YANG Ting ， GENG Yinan ， GUO Jinghong ， et al . Applications of artificial intelligence in sensing， communication， and data processing in the new power system ［J］. High Voltage Engineering ， 2024 ， 50 （ 1 ）： 19 - 29 .

王小君，窦嘉铭，刘曌，等 . 可解释人工智能在电力系统中的应用综述与展望［J］. 电力系统自动化， 2024 ， 48 （ 4 ）： 169 - 191 .

WANG Xiaojun ， DOU Jiaming ， LIU Zhao ， et al . Review and prospect of explainable artificial intelligence and its application in power systems ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 4 ）： 169 - 191 .

和敬涵，罗国敏，程梦晓，等 . 新一代人工智能在电力系统故障分析及定位中的研究综述［J］. 中国电机工程学报， 2020 ， 40 （ 17 ）： 5506 - 5515 .

HE Jinghan ， LUO Guomin ， CHENG Mengxiao ， et al . A research review on application of artificial intelligence in power system fault analysis and location ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 17 ）： 5506 - 5515 .

张大波，李雪婷，陶维青 . 基于边缘计算和深度学习的有限信息配电网单相接地故障区段定位［J］. 电力系统保护与控制， 2023 ， 51 （ 24 ）： 22 - 32 .

ZHANG Dabo ， LI Xueting ， TAO Weiqing . Single-phase ground fault section location in distribution networks with limited information based on edge computing and deep learning ［J］. Power System Protection and Control ， 2023 ， 51 （ 24 ）： 22 - 32 .

CHEN K J ， HU J ， ZHANG Y ， et al . Fault location in power distribution systems via deep graph convolutional networks ［J］. IEEE Journal on Selected Areas in Communications ， 2020 ， 38 （ 1 ）： 119 - 131 .

李佳玮，王小君，和敬涵，等 . 基于图注意力网络的配电网故障定位方法［J］. 电网技术， 2021 ， 45 （ 6 ）： 2113 - 2121 .

LI Jiawei ， WANG Xiaojun ， HE Jinghan ， et al . Distribution network fault location based on graph attention network ［J］. Power System Technology ， 2021 ， 45 （ 6 ）： 2113 - 2121 .

AHMADI-GORJAYI F ， MOHSENIAN-RAD H . Data-driven models for sub-cycle dynamic response of inverter-based resources using WMU measurements ［J］. IEEE Transactions on Smart Grid ， 2023 ， 14 （ 5 ）： 4125 - 4128 .

丁宏伟 . 基于5G的广域同步波形测量方法研究［D］. 北京：华北电力大学， 2022 .

DING Hongwei . Research on wide-area synchronous waveform measurement method based on 5G ［D］. Beijing ： North China Electric Power University ， 2022 .

张沛，陈玉鑫，王光华，等 . 基于图强化学习的配电网故障恢复决策［J］. 电力系统自动化， 2024 ， 48 （ 2 ）： 151 - 158 .

ZHANG Pei ， CHEN Yuxin ， WANG Guanghua ， et al . Fault recovery decision of distribution network based on graph reinforcement learning ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 2 ）： 151 - 158 .

汪康康，梅生伟，魏巍，等 . 基于图卷积网络的快速暂态安全评估方法［J］. 电力系统保护与控制， 2023 ， 51 （ 1 ）： 43 - 51 .

WANG Kangkang ， MEI Shengwei ， WEI Wei ， et al . Fast transient security assessment based on graph neural networks ［J］. Power System Protection and Control ， 2023 ， 51 （ 1 ）： 43 - 51 .

JAMIL M ， ANEES A S . Optimal sizing and location of SPV （solar photovoltaic） based MLDG （multiple location distributed generator） in distribution system for loss reduction， voltage profile improvement with economical benefits ［J］. Energy ， 2016 ， 103 ： 231 - 239 .

HU J X ， HU W H ， CHEN J J ， et al . Fault location and classification for distribution systems based on deep graph learning methods ［J］. Journal of Modern Power Systems and Clean Energy ， 2023 ， 11 （ 1 ）： 35 - 51 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Robust State Estimation Method for Distribution Network Based on Graph Neural Network Incorporating Topology Knowledge

含分布式电源配电网的故障定位

Synchronous Measurement Data-driven Classification Method for Disturbance Sources in Distribution Networks

Related Author

HU Jiaxiang

CAO Di

HU Weihao

CHEN Jianjun

CHEN Zhe

LIU Jian

ZHANG Xiaoqing

TONG Xiangqian

Related Institution

School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China

Department of Energy Technology, Aalborg University, Aalborg

Shaanxi Electric Power Research Institute，Xian

School of Automation and Information Engineering，Xian University of Technology，Xian

NARI Group Corporation

⁰