《Energy and AI》：Large-scale synthetic dataset and machine learning benchmark for fault localization in distribution systems
编辑推荐：
快速且准确的故障定位对于确保现代配电网的可靠与不间断运行至关重要。尽管机器学习（ML）技术在高效、数据驱动的故障定位方面展现出了巨大潜力，但其实际部署却受限于泛化差距。由于运行数据稀缺，当前的ML模型经常过拟合于狭窄且同质的基准数据集，并在应用于未见过的网络拓
快速且准确的故障定位对于确保现代配电网的可靠与不间断运行至关重要。尽管机器学习（ML）技术在高效、数据驱动的故障定位方面展现出了巨大潜力，但其实际部署却受限于泛化差距。由于运行数据稀缺，当前的ML模型经常过拟合于狭窄且同质的基准数据集，并在应用于未见过的网络拓扑时失效。为了弥合这一差距，本研究开发了一个基于OpenDSS的仿真框架，以生成包含超过80,000种不同故障场景的大规模数据集，涵盖多种大规模网络拓扑、多变的运行条件以及多种故障类型。通过提供电力系统ML研究先前缺乏的关键规模和异质性，该框架能够对复杂的ML模型进行严格的训练和基准测试。通过经验验证，研究人员证明了在庞大数据集上训练的门控图神经网络（GGNN）缓解了先前研究中观察到的过拟合现象，相较于基准展现出更好的泛化能力，并能在完全未见的网络拓扑下缩小候选故障区域。此外，研究人员进行了系统的特征分析，揭示了可观测参数（如节点电流和电压值）如何随故障位置和类型而变化，为特征重要性提供了关键见解。
一、研究背景、内容、结论与意义
现代配电网由于环境、运行和网络物理扰动，变得越来越容易受到连锁故障的影响。快速且精确的故障定位对于防止这些事件演变为大规模停电至关重要。传统的故障定位方法，如基于阻抗和行波的方法，由于依赖线性和均匀阻抗的假设，在配电系统中的可靠性有限，这难以适用于以辐射状结构和复杂配置为主的配电网。近年来，机器学习（ML）技术，特别是图神经网络（GNN），显式编码网络拓扑结构，已成为极具前景的替代方案。然而，由于隐私和网络安全等限制，缺乏多样化且公开可用的数据集成为其广泛应用的瓶颈。现有研究多依赖单一小规模基准网络，导致高容量神经模型陷入泛化差距，在未见过的异质真实网络上失效。为了克服数据瓶颈，研究人员开展了构建大规模合成数据集的研究，生成了超过80,000种故障场景，涵盖多种网络拓扑、运行条件和故障类型。研究得出结论，在庞大数据集上训练的模型能显著缓解过拟合并提升泛化能力。这项研究为基于ML的故障定位模型提供了关键的基础设施和可复现基准，论文发表在《Energy and AI》。
二、关键技术方法
研究人员利用基于OpenDSS的仿真框架构建大规模数据集。数据涵盖IEEE、EPRI和DISCO等多个具有不同规模和电气特征的配电馈线。研究人员将配电网表示为无向图，其中节点对应电气设备，边对应线路连接。故障仿真涵盖了单相接地短路（SLG）、两相短路（LL）、两相接地短路（LLG）和三相接地短路（LLLG）。通过在所有母线处设置故障，配合随机故障阻抗与负荷乘数增加数据多样性。提取故障前后的节点电压、电流幅值及相角作为特征，并将故障定位表述为节点分类问题。
三、研究结果
1. 引入新数据集的动机
研究人员首先复现了前人提出的GGNN模型，发现其训练损失和测试损失存在显著偏差，模型严重过拟合。即便简化模型架构降低可训练参数量，模型预测又变得过于简单，仅能捕捉宽泛结构特征而缺乏精确定位能力。这证明了构建更大规模数据集的迫切性。
2. 故障情况下的电气行为与归一化分析
为量化故障引起的测量变化，研究人员引入了归一化电流差和归一化电压差指标，消除节点自身位置的影响。分析发现，电流变化在故障点附近显著并向上游传播，而电压下降则沿着阻抗路径向邻域广泛传播。不同网络拓扑中归一化差值随拓扑距离的衰减趋势各异，凸显了利用GNN从数据中学习复杂拓扑与电气依赖关系的必要性。
3. 合成数据集上的精度与泛化能力
在不同拓扑泛化实验中，相较于基准模型，在合成数据集上训练的随机森林和GGNN在未见的DISCO p1uhs21拓扑上均取得大幅提升。在不同网络规模泛化实验中，模型在较小网络上训练后，能泛化至节点数翻倍的EPRI ckt24大型网络，加入归一化电气特征后性能进一步提升。在故障类型泛化实验中，模型在不同故障类型间迁移时也保持了较高的Top-5精度，预测位置在拓扑距离上仍接近真实故障点。对比发现，随机森林在准确节点预测上更优，而GGNN预测在拓扑上更为连贯。
4. 特征重要性分析
通过置换重要性评估，研究人员发现电压相关特征（特别是相角）对预测贡献最大。节点类型特征在多相故障场景中展现出高重要性。对比GGNN与随机森林的特征排名，两者均高度依赖电压信息，但GGNN对相角和节点结构信息的利用程度更高。
5. 有向与无向图表示的消融研究
对比结果显示，采用无向图表示的GGNN在各项评估指标上均显著优于有向图，表明利用节点电压电流特征结合双向信息传递机制能更有效地进行故障定位。
四、讨论与结论
本研究解决了基于ML的配电网故障定位模型在实际部署中面临的泛化差距瓶颈。受限于稀缺同质数据，现有模型容易过拟合。研究人员开发了基于OpenDSS的仿真框架，生成包含80,000多种故障场景的大规模合成数据集，提供了关键的异质数据基础。经验证，GGNN模型有效缓解了过拟合，在未见过的网络拓扑和规模中表现出强泛化能力，缩小了候选故障区域。研究指出数据集完全基于仿真且当前未包含分布式电源和测量噪声，未来需进一步在真实数据验证、部分可观测性及通信延迟方向拓展。最终，该研究为开发泛化型故障定位模型提供了基础数据支撑，为配电系统故障分析开辟了新路径。
