摘要
本发明公开了一种融合时空图信息的配网故障区段定位及可解释性分析方法,属于配电网故障诊断与人工智能深度学习技术领域。包括以下步骤:通过构建一种融合时间连续性与空间整体性的时空图信息故障表征结构,刻画时空特征与故障区段之间的映射关系;从时间特征捕捉和空间特征感知两个维度提取故障特征,建立融合时空图信息的配电网故障定位模型;设计可解释性分析校验模块,对模型决策依据及其内在工作机制进行事后可解释性分析,实现故障定位结果的校验。本发明可实现在新能源出力波动及拓扑变化等复杂运行场景下的高精度故障定位任务,对模型本身和故障预测的原理刨析刻画,为基于深度学习的故障定位方法在实际系统中的应用提供技术支持。
技术关键词
故障表征
配电网故障定位
人工智能深度学习技术
分析方法
表达式
校验模块
配电网故障诊断
配电网拓扑结构
故障定位模型
故障特征信息
高精度故障
故障定位方法
连续性
时序
节点特征
网络结构
矩阵
系统为您推荐了相关专利信息
仿真测试方法
交通流
计算机程序指令
车辆行驶信息
仿真测试装置