[發明專利]一種配電網拓撲結構節點屬性預測方法

在審

• 申請號: 202211533574.6
• 申請日: 2022-12-02
• 公開（公告）號: CN115879251A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 盧耕儒;賀順生;潘澍;柳毅;司慶忠;張峰;余鑫昌;封琰;馬麒;田洪濱;白樹國;景彥
• 申請（專利權）人: 國網青海省電力公司海南供電公司;國網青海省電力公司
• 主分類號: G06F30/18
• 分類號: G06F30/18;H02J13/00;G06F30/27;G06Q10/04;G06Q50/06;G06N3/08;G06N3/0464;G06F113/04
• 代理公司: 西寧工道知識產權代理事務所(普通合伙) 63102
• 代理人: 沈耀忠

1.一種配電網拓撲結構節點屬性預測方法，其特征在于，包括如下步驟

步驟1、原始數據獲取，基于配電網現有信息數據系統，獲取配電網各節點的歷史屬性數據；

步驟2、數據修正，繪制類數據的歷史同期數據曲線，確定極值點定位異常數據；具體步驟包括：

2a、歷史周期數據統計：對于某類數據R，以一個完整供配電周期T₀為統計基礎，繪制該類數據的周期曲線l_i；基于所有的周期曲線計算繪制得到表示其均值的中值曲線l′；基于歷史數據得到的周期曲線可以得到每個供電周期內監測數據的變化情況；

2b、數據篩選：將任意周期曲線l_m與另一條周期曲線l_n作差，確定在供配電周期T₀各監測時間節點t內的監測值變量Δa_mn,t＝a_m,t-a_n,t，a_m,t是指周期曲線l_m在t時刻對應的監測值；a_n,t是指周期曲線l_n在t時刻對應的監測值；得到任意兩個周期曲線的曲線變量參數基于曲線變量參數Δa_mn取值由大到小進行排序，得到周期曲線對列表{(l_m,l_n)...}；

基于中值曲線l′以及周期曲線l_v內各線段的斜率，得到對應的斜率曲線L′和L_v，將斜率曲線L′和L_v作差，確定各線段的斜率變量Δα_v,s＝α_Lv,s-α_L′,s，其中s是指曲線中相鄰監測時間節點測得的數據相連形成的線段，得到任意周期曲線l_v與中值曲線的斜率變量參數基于斜率變量參數Δα_v取值由大到小進行排序，得到周期曲線列表{l_v...}；

2c、按照周期曲線列表{l_v...}中周期曲線的依次順序選取首個曲線按照周期曲線對列表{(l_m,l_n)...}順序依次選取首個曲線對/比對曲線/和曲線對/中的曲線；

2d、若曲線不屬于曲線對/之一，則認為曲線/對應數據為正常數據，則從周期曲線列表{l_v...}中刪除曲線/并返回S1，直至曲線對/中包含的任意曲線從周期曲線列表中被找到；

若曲線存在于曲線對/中，則認為曲線對/中兩個周期曲線/為異常曲線，其對應數據中存在的異常數據源，將其曲線/置入異常曲線集中，之后從周期曲線列表{l_v...}中刪除曲線/從周期曲線對列表{(l_m,l_n)...}中刪除所有含有曲線/的曲線對后，返回步驟S1；

若更新后的周期曲線列表{l_v...}中的首個曲線在各監測時間節點的監測值位于誤差需用范圍之內，則停止比對；

2e、對于異常曲線集中的異常曲線定位對應斜率曲線/上斜率變化量最大的兩個相鄰線段/和/的端點x、y、z；確定在測量周期內對應的測量時間節點t_x,t_y,t_z，線段/和/相對于中值曲線l′對應線段的斜率變化量Δk_xy和Δk_yz，中值曲線l′上時間節點t_x,t_y,t_z對應的測量值R_x,R_y,R_z；修正線段l_xy和l_yz連接點y的測量值為/之后從新定位下一對斜率變化量最大的相鄰線段，直至定位得到的連接點y的測量值誤差在許用范圍內；

步驟3、屬性識別

辨識模型，在圖卷積網絡模型的基礎上進行結構優化和設計適用于本申請的神經網絡辨識模型，基于歷史數據集{R_n}建立訓練數據集和驗證數據集，設置學習率、優化器等相關參數對前述神經網絡辨識模型進行訓練和驗證，直至辨識精度達到需求；利用該辨識模型以及配電網當前拓撲結構及其部分節點的參數數據對相關聯的其他節點進行屬性預測。