近日，浙江水利水电学院灵犀科技学生团队成功研发出一套基于图神经网络与人工智能的配电网智能故障检测系统。该技术突破了传统电力运维中故障定位难、预测精度低等瓶颈，为新型电力系统的高效运行提供了创新解决方案。

灵犀科技学生团队调试程序

团队创始人电气工程与自动化专业学生韩明皓表示：“我们针对配电网中海量设备接入导致的拓扑复杂、故障特征畸变等问题，创新性融合图神经网络与边云协同算法，结合随机矩阵理论构建动态感知模型，使系统故障定位准确率提升至97%以上，响应速度缩短至1分钟内。”

实验室记录仪显示，在最近一次72小时连续测试中，团队为攻克多层建筑复合负荷预测难题，连续调试算法模型26次。当第27次实验的故障定位误差率首次降至0.3%时，团队成员激动相拥。指导老师一边核对实时监测数据，一边提醒优化边缘计算节点部署策略。韩明皓坦言：“这套系统不仅支持新能源大规模接入，其核心算法在智慧城市、工业物联网等领域同样具有广阔应用前景。”

据悉，该技术已成功在浙江以诺电气工业园区付诸实践，使供电可靠性提升至99.9%，运维成本降低20%。团队研发的“三相不平衡智能识别程序”更破解了分布式能源并网导致的电压波动难题，相关成果成功申请专利和软件著作权，还获得中国国际大学生创新大赛浙江省银奖。

项目指导教师马登昌指出，“该项技术成功落地标志着电力系统故障检测从‘被动响应’转向‘主动预判’，其边云协同架构设计尤其契合新型电力系统柔性化需求。学生团队依托学校资源丰富的科研平台，正与华能（浙江）能源开发有限公司深化合作，计划在长三角地区20个智慧园区推广该技术，助力“双碳”目标下的电网数字化转型。”

免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。