基于图神经网络的电流互感器计量性能评估研究

摘要

电流互感器作为电力系统中关键的电流测量与保护设备，其误差状态直接关系到电网运行的安全性与可靠性.然而，传统误差评估方法多依赖单节点的时间序列分析，忽视了电网拓扑结构及各互感器间的时空关联特征.针对这一问题，提出一种基于图神经网络（Graph neural network,GNN）的多互感器误差状态在线评估与异常检测框架.该方法通过相关性构图机制构建随时间演化的动态图结构，引入图注意力网络（Graph Attention Network,GAT）结合时间感知门控注意力机制与门控循环单元，实现对节点状态的时空联合建模.同时，结合基于Transformer的时间序列预测模型，构建预测残差并设计结构感知的异常评分机制，从而精准识别电流互感器的异常运行状态.模型在SoCal-28与SWaT两个具有代表性的真实数据集上进行验证，实验结果表明，所提方法的F1值达到0.85，准确率和召回率分别为88.91%与81.12%，验证了该方法的有效性与工程应用潜力.

关键词

电流互感器 / 图神经网络 / 异常检测 / 时间序列预测 / 动态图建模