[發明專利]一種用于機器學習的電網概率可視化模型構建方法和系統

在審

• 申請號: 202010555908.4
• 申請日: 2020-06-17
• 公開（公告）號: CN112116305A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 郭中華;陳繼林;王維熙;陳勇;劉首文
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網湖北省電力有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q10/04;G06Q10/06;G06Q50/06;G06N20/00
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種用于機器學習的電網概率可視化模型構建方法，其特征在于：包括：

根據機器學習目的，確定電網信息概率圖的規模、深度、粒度和層級；

基于規模、深度、粒度和層級，從物理電網中，抽取電網能源流動信息構建節點信息；

從物理網絡關系中的路徑信息，設計抽取電網能源流動環境和路徑信息，構建邊信息；

基于節點信息和邊信息構建電網概率可視化模型。

2.如權利要求1所述的方法，其特征在于，所述路徑信息，包括：

電網中設置有能量流動信息傳感器的觀測點的能量流動信息值在電網中的連接關系和關聯關系以及脫離電網環境約束的關聯關系。

3.如權利要求1所述的方法，其特征在于，所述能量流信息包括：潮流、電壓、電流和頻率。

4.如權利要求1所述的方法，其特征在于，所述電網信息概率圖中的節點包括：元點、中點、末點和不定點；

其中，元點包括發電點、供電點和電源；

末點包括耗電點和負荷；

中點包括設置的用于觀察電網信息的觀察點；

不定點包括元點、中點和末點中至少兩種構成的復合點。

5.如權利要求1所述的方法，其特征在于，所述電網信息概率圖中的邊對應電網中的元件、連接和路網，所述邊具有方向，所述邊包括阻概率；

所述阻概率表示阻抗和損耗對流經所述阻概率所在邊的能量流信息的影響權重。

6.如權利要求5所述的方法，其特征在于，所述節點的值通過到達所述節點的邊的阻概率和所述邊的起始點的值得到，或者在構建所述電網信息概率模型時，直接從所述節點對應的電網觀測點提取。

7.如權利要求1所述的方法，其特征在于，所述電網信息概率圖的規模根據電網規模設定；

所述電網信息概率圖的深度根據研究需求設定，所述深度包括一級網絡圖和二級網絡圖；

所述電網信息概率圖的粒度根據學習和研究目的設定，所述粒度包括選取的節點的數目；

所述電網信息概率圖的層次根據電網信息設定，所述層次包括根據所述能量流信息劃分的層次和根據電網的規模劃分的層次；

其中，所述二級網絡圖表示一級網絡圖中節點間的電通路。

8.如權利要求7所述的方法，其特征在于，所述一級網絡模型的構建包括：

根據所述能量流信息和電網拓撲確定一級網絡模型的結構和節點值，并設置邊的阻概率的值；

通過機器學習方法修正所述一級網絡模型的結構、節點值和邊的阻概率的值。

9.如權利要求7所述的方法，其特征在于，所述二級網絡模型的構建包括：

根據電網觀測點之間的路徑構成元件確定所述二級網絡模型的結構和邊的阻概率的值；

通過機器學習方法修正所述二級網絡模型結構和邊的阻概率。

10.如權利要求1所述的方法，其特征在于，所述基于節點信息和邊信息構建電網概率可視化模型之后，還包括：

對所述電網信息概率圖中節點的值和邊的權值，采用機器學習方法進行修正。

11.一種用于機器學習的電網概率可視化模型構建系統，其特征在于，包括：初始化模塊、節點信息模塊、邊信息模塊和圖形模塊；

所述初始化模塊，用于根據機器學習目的，確定電網信息概率圖的規模、深度、粒度和層級；

所述節點信息模塊，用于基于規模、深度、粒度和層級，從物理電網中，抽取電網能源流動信息構建節點信息；

所述邊信息模塊，用于從物理網絡關系中的路徑信息，設計抽取電網能源流動環境和路徑信息，構建邊信息；

所述圖形模塊，用于基于節點信息和邊信息構建電網概率可視化模型。

12.如權利要求11所述的系統，其特征在于，還包括修正模塊；

所述修正模塊，用于對所述電網信息概率圖中節點的值和邊的權值，采用機器學習方法進行修正。