电力系统状态估计方法、装置、设备和存储介质与流程

本技术涉及电力系统，特别是涉及一种电力系统状态估计方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、电力系统状态估计是电力系统运行和管理中的重要环节。它通过利用测量数据(如电压、电流和功率)来估计电力系统中未测量的变量，如节点电压相角和幅值。状态估计提供了对电力系统运行状态的准确快照，为能源管理系统和其他应用提供可靠的输入数据。

2、传统状态估计方法采用基于模型的方法，如基于牛顿法、梯度下降、线性规划等方法。然而，随着测量设备的进步和区域电力市场的发展，电力系统监测的测量点数量迅速增加，对于复杂且大规模的新型电力系统，传统状态估计方法仅挖掘系统量测信息和状态量之间的潜在联系，导致在电力系统实际运行中状态估计准确度较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高状态估计准确性的电力系统状态估计方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种电力系统状态估计方法。所述方法包括：

3、获取训练集；所述训练集包括电力系统中不同支路的支路注入功率、每条支路中各节点的节点注入功率以及每条支路的训练标签；所述训练标签用于标注各支路的真实状态参数；

4、通过初始状态估计模型对所述训练集进行预测，得到所述电力系统的预测状态变量；所述预测状态变量表征所述电力系统中各支路的功率相关参数；

5、基于所述预测状态变量和所述电力系统的运行约束条件，确定理论损失；

6、基于训练标签和所述预测状态变量，确定预测损失；

7、基于所述理论损失和所述预测损失，确定总损失；

8、根据所述总损失调整所述初始状态估计模型的参数并继续进行训练，直至满足预设迭代条件时停止，获得训练好的状态估计模型。

9、在其中一个实施例中，所述预测状态变量包括第一变量、第二变量和第三变量，所述第一变量表征各支路的第一状态，所述第二变量表征各支路的第二状态；所述第三变量表征各节点的节点状态；

10、所述基于所述预测状态变量和所述电力系统的运行约束条件，确定理论损失，包括：

11、获取所述电力系统的运行约束条件；所述运行约束条件表征所述第一变量、所述第二变量和所述第三变量之间的理论线性关系；

12、将所述第一变量、所述第二变量和所述第三变量代入所述运行约束条件中进行计算，根据计算结果，确定理论损失。

13、在其中一个实施例中，所述基于所述理论损失和所述预测损失，确定总损失，包括：

14、确定所述理论损失与预设权重之间的乘积结果；

15、基于所述预测损失和所述乘积结果之和，确定总损失。

16、在其中一个实施例中，所述初始状态估计模型包括特征提取层、第一学习层、第二学习层和输出层，所述通过初始状态估计模型对所述训练集进行预测，得到所述电力系统的预测状态变量，包括：

17、通过所述特征提取层对所述训练集进行特征提取，得到第一特征；

18、通过所述第一学习层在特征维度方向上对所述第一特征进行学习，得到第一学习特征图；

19、将所述第一学习特征图和所述第一特征进行相加处理，得到第二特征；

20、通过所述第二学习层在通道维度方向上对所述第二特征进行学习，得到第二学习特征图；

21、将第二特征学习图和第二特征进行相加处理，得到第三特征；

22、通过所述输出层根据所述第三特征输出所述电力系统的预测状态变量。

23、在其中一个实施例中，所述特征提取层包括第一注意力层、第二注意力层和多层感知器，所述通过所述特征提取层对所述训练集进行特征提取，得到第一特征，包括：

24、基于所述训练集中各支路的支路注入功率，生成支路特征矩阵；

25、基于所述训练集中各节点的节点注入功率，生成节点特征矩阵；

26、通过所述第一注意力层对所述节点特征矩阵进行特征提取，得到第一注意力特征；

27、通过所述第二注意力层对所述支路特征矩阵进行特征提取，得到第二注意力特征；

28、通过所述多层感知器对所述第一注意力特征和所述第二注意力特征进行连接处理，得到第一特征。

29、第二方面，本技术还提供了一种电力系统状态估计方法，所述方法包括：

30、获取待测系统的电力参数；所述电力参数包括所述待测系统中不同支路的支路注入功率以及每条支路中各节点的节点注入功率；

31、通过训练好的状态估计模型对所述电力参数进行预测，得到所述待测系统的预测状态变量；所述状态估计模型采用上述方法训练得到；

32、基于所述预测状态变量，确定所述待测系统中各节点对应的节点状态参数以及各支路对应的支路状态参数。

33、在其中一个实施例中，所述预测状态变量包括第一变量、第二变量和第三变量，所述第一变量表征各支路的第一状态，所述第二变量表征各支路的第二状态；所述第三变量表征各节点的节点状态；

34、所述基于所述预测状态变量，确定所述待测系统中各节点对应的节点状态参数以及各支路对应的支路状态参数，包括：

35、针对每条支路，基于所针对支路中各节点对应的第三变量，确定所针对支路中各节点的节点状态参数；

36、基于所针对支路的第一变量和第二变量，确定所针对支路的支路状态参数。

37、第三方面，本技术还提供了一种电力系统状态估计装置，所述装置包括：

38、样本获取模块，用于获取训练集；所述训练集包括电力系统中不同支路的支路注入功率、每条支路中各节点的节点注入功率以及每条支路的训练标签；所述训练标签用于标注各支路的真实状态参数；

39、模型推理模块，用于通过初始状态估计模型对所述训练集进行预测，得到所述电力系统的预测状态变量；所述预测状态变量表征所述电力系统中各支路的功率相关参数；

40、理论损失计算模块，用于基于所述预测状态变量和所述电力系统的运行约束条件，确定理论损失；

41、预测损失计算模块，用于基于训练标签和所述预测状态变量，确定预测损失；

42、总损失计算模块，用于基于所述理论损失和所述预测损失，确定总损失；

43、迭代循环模块，用于根据所述总损失调整所述初始状态估计模型的参数并继续进行训练，直至满足预设迭代条件时停止，获得训练好的状态估计模型。

44、第四方面，本技术还提供了一种电力系统状态估计装置，所述装置包括：

45、电力参数获取模块，用于获取待测系统的电力参数；所述电力参数包括所述待测系统中不同支路的支路注入功率以及每条支路中各节点的节点注入功率；

46、模型预测模块，用于通过训练好的状态估计模型对所述电力参数进行预测，得到所述待测系统的预测状态变量；所述状态估计模型采用上述方法训练得到；

47、状态估计模块，用于基于所述预测状态变量，确定所述待测系统中各节点对应的节点状态参数以及各支路对应的支路状态参数。

48、第五方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电力系统状态估计方法的步骤。

49、第六方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电力系统状态估计方法的步骤。

50、第七方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述电力系统状态估计方法的步骤。

51、上述电力系统状态估计方法、装置、计算机设备、存储介质和计算机程序产品，在训练状态估计模型时，将电力系统中不同支路的支路注入功率、每条支路中各节点的节点注入功率输入至状态估计模型，使得同一个节点(或同一条支路)对应多个特征，从而使得状态估计模型考虑电网节点和支路之间的图结构信息，并充分利用节点特征、支路特征，有利于网络挖掘更丰富的系统运行状态和拓扑信息；进一步，在状态估计模型的损失函数中加入了基于电力系统的运行约束条件确定的理论损失，损失函数考虑了电力系统运行机理约束，有效加速状态估计模型收敛速度，并能提高状态估计准确性。