基于知识图谱的变压器故障分析与后续检测引导

摘要

电力变压器是整个电力系统的核心设备，其故障诊断对于保障系统的安全稳定运行和可靠供电有重要意义。然而现有的变压器诊断方法在分析故障性质、故障元件以及给出后续检测建议等方面存在明显欠缺，其原因是现有基于神经网络的变压器诊断方法无法利用案例信息完成多项推理任务。针对这个问题，提出了一种基于知识图谱的变压器故障初始诊断和后续检测项目引导方法。首先，在C-MPNN(Conditional message passing neural network)的基础上，引入基于增强的福曼–里奇曲率AFRC(Augmented Forman Ricci curvature)，形成了AFRC-C-MPNN知识图谱新表示方法；借助AFRC-C-MPNN表示，得到了变压器案例诊断联合图谱的实体、关系的嵌入向量，进而实现了离散知识向结构化语义表示的转变。然后，将嵌入向量作为故障性质识别、故障元件识别以及后续检测项目三层感知器的输入，实现三项任务的分类。使用不同知识推理方法对800个变压器样本进行了对比实验，实验结果表明：所提出的故障诊断和后续检测项目引导（分类）方法在故障性质识别、故障元件识别准确率方面优于先前方法，其对后续检测项目建议引导是独到的。

关键词

知识图谱 / 变压器 / 故障诊断 / 多任务学习