摘要 变电站是确保电力系统可靠运行的关键基础设施。随着数字化和系统复杂性的增加，源数据的快速增长对准确及时的故障诊断构成了重大挑战。现有方法通常难以有效整合异构数据或适应变化的操作条件。为了解决这些局限性，本研究提出了一种数字双胞胎驱动的故障诊断框架，该框架采用多模态融合模型，通过图形注意网络和自注意力机制整合系统拓扑、警报、故障波形和SCADA数据。在这项工作中，该方法在一个110 kV变电站上进行了验证，使用在CloudPSS中生成的11,597个训练场景和3,890个测试场景。实验结果表明，故障定位的准确率超过95%，故障类型识别的准确率为97%，在30%数据丢失条件下保护失效检测的准确率为90%。实施的数字双胞胎系统进一步验证了该方法的实际可行性，突显了其在复杂操作环境中的强健性。
Wu等人（周三）研究了这个问题。