[發明專利]一種基于深度學習的配網電氣拓撲識別方法

有效

• 申請號: 202011259811.5
• 申請日: 2020-11-12
• 公開（公告）號: CN112381667B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 周一飛;劉麗娜;王韜;方建全;曾榮;屈鳴;謝智;王家駒;王晨丞;陳亦瑾
• 申請（專利權）人: 國網四川省電力公司電力科學研究院
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/0464;G06N3/084;H02J3/00
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 李朝虎

本發明公開了一種基于深度學習的配網電氣拓撲識別方法，包括：S1：選取預設數量的臺區，將每個臺區內一定數量的用戶作為數據采集對象，采集各用戶對應的低壓側用電數據，作為配網拓撲識別數據集；S2：構建雙通道一維卷積神經網絡模型，包括特征提取模塊、特征融合模塊，其中特征提取模塊中的兩個通道各包括至少兩個1DCNN+BN+ReLU結構的卷積層，多層疊加的結構可以更好地提取數據特征；特征融合模塊包括一個1DCNN+BN+ReLU結構的卷積層，實現特征的深度融合；S3：使用雙通道一維卷積神經網絡模型對所述配網拓撲識別數據集進行訓練，得到訓練后的雙通道一維卷積神經網絡模型；S4：利用訓練后的雙通道一維卷積神經網絡模型對配網拓撲識別數據集進行配網電氣拓撲識別。

技術領域

本發明涉及配電網領域，具體涉及一種基于深度學習的配網電氣拓撲識別方法。

背景技術

配網電氣拓撲是配電網上層工作正常開展的基礎，現有的配網電氣拓撲識別方法主要包括四類：人工現場巡檢、脈沖電流識別法、基于μPMU設備的相位識別方法和基于電壓相關性的識別方法。其中，人工現場巡檢費時費力；脈沖電流識別法即在用戶端發送脈沖電流信號，在臺區識別終端接收脈沖電流信號完成識別，其存在無法雙向通信的問題，且需要配合載波通信使用，只能在同一臺區同一相位內傳輸；基于μPMU設備的相位識別方法需要額外的現場設備；使用基于電壓相關性的識別方法對配網電氣拓撲進行識別時，工作前需要進行數據預處理，識別效率會隨著數據量的增大而降低。

發明內容

為解決現有的配網電氣拓撲識別方法識別效率不高的問題，本發明提供了一種基于深度學習的配網電氣拓撲識別方法。

本發明通過下述技術方案實現：

一種基于深度學習的配網電氣拓撲識別方法，包括如下步驟：

S1：選取預設數量的臺區，將每個臺區內一定數量的用戶作為數據采集對象，采集各用戶對應的低壓側用電數據，作為配網拓撲識別數據集；

S2：構建雙通道一維卷積神經網絡模型，包括特征提取模塊、特征融合模塊，其中特征提取模塊中的兩個通道各包括至少兩個1DCNN+BN+ReLU結構的卷積層，1DCNN為一維卷積神經網絡(One-Dimensional Convolutional Neural Network)，BN為批量歸一化處理(Batch Normalization)，ReLU為修正線性單元函數(Rectified Linear Unit)，多層疊加的結構可以更好地提取數據特征；特征融合模塊包括一個1DCNN+BN+ReLU結構的卷積層，實現特征的深度融合；

S3：使用雙通道一維卷積神經網絡模型對所述配網拓撲識別數據集進行訓練，得到訓練后的雙通道一維卷積神經網絡模型；

S4：利用訓練后的雙通道一維卷積神經網絡模型對配網拓撲識別數據集進行配網電氣拓撲識別。

在上述方案的基礎上，所述步驟S1具體包括如下內容：

對各用戶的實時電壓數據u、實時電流數i據進行采樣；U為n個實時電壓數據u的集合，I為n個實時電流數據i的集合，n為大于等于1的整數；每個用戶的數據作為一個樣本Data，以用戶對應的歸屬臺區和相位編號作為樣本標簽Label，制作配網拓撲識別數據集；每個樣本的數據形式如下：

Data＝[U，I，Label]，

U＝[u₁，u₂，u₃，...u_n]，I＝[i₁，i₂，i₃，...i_n]。

對各用戶的實時電壓數據、實時電流數據進行采樣的采樣時間間隔為15分鐘，采樣時長為1天，n＝96，樣本數據維度為96×2。