电压互感器故障诊断

该方法通过小波阈值滤波与图神经网络，实现了对电压互感器故障的高精度诊断。

Pinzhang, Zhao · Wang, Yifan · 王立辉 · Wei, Jian

Measurement Science and Technology 2025

参数信息

信噪比提升

6.4 %

均方误差降低

42.5 %

诊断准确率提升

2.61 %

F1分数提升

3.60 %

技术优势

信噪比提高6.4%

相比固定阈值函数和传统图神经网络，该方法能更有效地抑制噪声并保留故障特征。

均方误差降低42.5%

信号重构误差显著减小，表明滤波后的信号更接近真实信号。

诊断准确率提升2.61%

采用多层桥接高阶图神经网络，增强了电压信号长程依赖的捕捉能力，从而提升诊断准确率。

F1分数提升3.60%

模型在类别不平衡情况下仍能保持较好的精确率和召回率平衡。

应用场景

• 电力设备状态监测：在强噪声环境下对电压互感器进行精准故障诊断，提升监测系统可靠性。
• 智能电网：为智能电网提供高精度的互感器状态数据，支撑自动化运维决策。
• 故障预测与健康管理：提供准确的故障诊断结果，为剩余寿命预测和维护计划提供输入。