[發(fā)明專(zhuān)利]一種配電網(wǎng)拓?fù)渥R(shí)別方法、電子設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202111371966.2
• 申請(qǐng)日: 2021-11-19
• 公開(kāi)（公告）號(hào): CN113809747B
• 公開(kāi)（公告）日: 2022-02-15
• 發(fā)明（設(shè)計(jì)）人: 吳華儀;許昭;楊洪明;徐志強(qiáng);項(xiàng)勝;黃婧杰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類(lèi)號(hào): H02J3/00
• 分類(lèi)號(hào): H02J3/00;G06F30/27;G06N3/04;G06N3/08;G06F111/08;G06F113/04
• 代理公司: 長(zhǎng)沙市融智專(zhuān)利事務(wù)所(普通合伙) 43114
• 代理人: 歐陽(yáng)迪奇

本發(fā)明公開(kāi)了一種配電網(wǎng)拓?fù)渥R(shí)別方法、電子設(shè)備及介質(zhì)。首先基于歷史的配電網(wǎng)電壓幅值數(shù)據(jù)集形成配電網(wǎng)相鄰節(jié)點(diǎn)對(duì)的電壓幅值馬爾可夫毯格式的電壓幅值測(cè)量矩陣，構(gòu)造能夠壓縮配電網(wǎng)節(jié)點(diǎn)電壓幅值并用于配電網(wǎng)拓?fù)渥R(shí)別的馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，然后進(jìn)行迭代訓(xùn)練，得到最優(yōu)的馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)模型；最后根據(jù)實(shí)時(shí)的電壓幅值測(cè)量對(duì)配電網(wǎng)進(jìn)行拓?fù)渥R(shí)別，得到配電網(wǎng)實(shí)時(shí)的線路拓?fù)渫〝嘈畔ⅰ１景l(fā)明改進(jìn)了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，能夠適用大規(guī)模的配電網(wǎng)拓?fù)渥R(shí)別問(wèn)題，同時(shí)提高計(jì)算效率，增強(qiáng)識(shí)別的準(zhǔn)確度，能夠與配電網(wǎng)穩(wěn)定控制等算法相兼容。

技術(shù)領(lǐng)域

本發(fā)明屬于配電網(wǎng)拓?fù)渥R(shí)別領(lǐng)域，特別涉及一種基于馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)拓?fù)渥R(shí)別方法、電子設(shè)備及介質(zhì)。

背景技術(shù)

近年來(lái)，隨著可再生能源，電動(dòng)汽車(chē)，儲(chǔ)能器等的集成化程度不斷提高，配電網(wǎng)正在迅速發(fā)展，在這種情況下，雙向潮流可能會(huì)流向電網(wǎng)，以反饋剩余的能量。這些變化需要加強(qiáng)對(duì)電網(wǎng)運(yùn)行和控制的管理，其中的先決條件包括對(duì)電網(wǎng)拓?fù)涞募皶r(shí)可靠的估計(jì)。在實(shí)踐中，配電網(wǎng)的配置可能經(jīng)常變化，有時(shí)甚至每小時(shí)變化幾次。

對(duì)于配電網(wǎng)的拓?fù)渥R(shí)別算法，可分為不基于圖理論的方法和基于圖理論的方法。不基于圖理論的方法主要是線性回歸法，此方法忽略電壓之間的非線性關(guān)聯(lián)性，導(dǎo)致識(shí)別精度較低；基于圖理論的方法主要有馬爾可夫隨機(jī)場(chǎng)方法，相互信息法和逆相關(guān)系數(shù)矩陣法。馬爾可夫隨機(jī)場(chǎng)方法需要訓(xùn)練大量的模型參數(shù)，不適用大規(guī)模電力系統(tǒng)；相互信息法需要遍歷每一對(duì)節(jié)點(diǎn)，計(jì)算量極大，效率低；逆相關(guān)系數(shù)法矩陣法需要完備的網(wǎng)絡(luò)阻抗信息和節(jié)點(diǎn)狀態(tài)量信息，無(wú)法解決部分節(jié)點(diǎn)狀態(tài)量缺失的問(wèn)題。為了實(shí)現(xiàn)實(shí)時(shí)快速有效高效魯棒的配電網(wǎng)拓?fù)渥R(shí)別，有必要利用人工智能強(qiáng)大的學(xué)習(xí)能力和實(shí)時(shí)應(yīng)用能力，構(gòu)建有效的拓?fù)鋽?shù)據(jù)壓縮模型，進(jìn)而得到實(shí)時(shí)的拓?fù)渥R(shí)別方法。

發(fā)明內(nèi)容

為了克服目前配電網(wǎng)拓?fù)渥R(shí)別存在識(shí)別精度低、模型訓(xùn)練慢、效率低、參數(shù)要求高的技術(shù)問(wèn)題，本發(fā)明提供一種效率高、兼容性好且識(shí)別精度高的基于馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)拓?fù)渥R(shí)別方法、電子設(shè)備及介質(zhì)。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

一種配電網(wǎng)拓?fù)渥R(shí)別方法，包括以下步驟：

步驟1）根據(jù)配電網(wǎng)電壓幅值的歷史數(shù)據(jù)集中配電網(wǎng)的節(jié)點(diǎn)數(shù)目和電壓幅值樣本數(shù)建立第一矩陣，然后以相鄰節(jié)點(diǎn)對(duì)的電壓幅值并集作為相鄰節(jié)點(diǎn)對(duì)的電壓馬爾可夫毯來(lái)建立第二矩陣，并基于第一矩陣和第二矩陣來(lái)建立配電網(wǎng)相鄰節(jié)點(diǎn)對(duì)的電壓幅值馬爾可夫毯格式的電壓幅值測(cè)量矩陣；其中節(jié)點(diǎn)的電壓馬爾可夫毯是指與節(jié)點(diǎn)相鄰的節(jié)點(diǎn)的電壓幅值的集合，則相鄰節(jié)點(diǎn)對(duì)的電壓幅值馬爾可夫毯為配電網(wǎng)相鄰節(jié)點(diǎn)對(duì)和的電壓幅值馬爾可夫毯的并集；

步驟2）基于配電網(wǎng)總的節(jié)點(diǎn)數(shù)和配電網(wǎng)電壓幅值節(jié)點(diǎn)來(lái)建立作為馬爾可夫毯圖向量模型的矩陣，然后將矩陣分別與第二矩陣或相鄰節(jié)點(diǎn)對(duì)中的節(jié)點(diǎn)對(duì)應(yīng)于配電網(wǎng)中的位置來(lái)聯(lián)合形成馬爾可夫毯圖向量壓縮模型，再將馬爾可夫毯圖向量壓縮模型作為神經(jīng)網(wǎng)絡(luò)中的圖卷積層來(lái)形成馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)；

步驟3）基于步驟1）的電壓幅值測(cè)量矩陣對(duì)步驟2）的神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，得到最優(yōu)的馬爾可夫毯圖向量壓縮神經(jīng)網(wǎng)絡(luò)模型；

步驟4）基于步驟3）的神經(jīng)網(wǎng)絡(luò)模型，根據(jù)實(shí)時(shí)的配電網(wǎng)節(jié)點(diǎn)電壓幅值馬爾可夫毯格式的電壓幅值測(cè)量矩陣對(duì)配電網(wǎng)進(jìn)行拓?fù)渥R(shí)別，得到配電網(wǎng)實(shí)時(shí)的線路拓?fù)渫〝嘈畔ⅰ?/p>

所述的方法，所述的步驟1)中，第一矩陣通過(guò)以下方式建立：

將歷史電壓幅值儲(chǔ)存為一個(gè) 行列的矩陣來(lái)作為第一矩陣；其中，表示配電網(wǎng)的節(jié)點(diǎn)數(shù)目，表示總的電壓幅值樣本數(shù)；配電網(wǎng)的節(jié)點(diǎn)編號(hào)為，配電網(wǎng)線路的編號(hào)為；其中，，分別表示第，個(gè)配電網(wǎng)節(jié)點(diǎn)的編號(hào)，表示配電網(wǎng)相鄰節(jié)點(diǎn)對(duì)和之間的線路，，分別表示配電網(wǎng)節(jié)點(diǎn)本身。

所述的方法，所述的步驟1)中，第二矩陣通過(guò)以下方式建立：

建立維度為的矩陣作為第二矩陣，其中中的元素為：