电网输电通道关键特征参数辨识方法、装置、设备和介质与流程

本发明涉及电力系统，尤其涉及一种电网输电通道关键特征参数辨识方法、装置、设备和介质。

背景技术：

1、随着智能电网的快速发展，电网的运行情况变得非常复杂，解决关键输电通道特征参数的智能辨识问题，实现电网调控系统的高效部署，这有利于保障智能电网的安全稳定运行。作为电力系统调控分析的基础，状态估计、短路计算以及潮流分析等计算模块的作用在电网分析的过程中越来越为重要，这些计算模块是确定电力系统某些装置的预设定值的依据。大多数的现有的关键输电通道特征参数辨识方法主要由单模型进行驱动，存在识别效率和精度相对较低，准确性和可靠性较差等问题。

技术实现思路

1、针对如何提高电网输电通道关键特征参数辨识的准确性的问题，本发明提供了一种电网输电通道关键特征参数辨识方法、装置、设备和介质。

2、第一方面，本发明提供了一种电网输电通道关键特征参数辨识方法，所述方法包括：

3、获取目标电网的运行数据；

4、根据电网拓扑图，基于所述运行数据确定所述目标电网的图数据；

5、将所述目标电网的图数据输入至输电通道关键特征参数辨识模型中，得到所述目标电网中输电通道关键特征参数；

6、其中，所述输电通道关键特征参数辨识模型是基于多任务噪声图注意力网络构建的。

7、基于上述技术方案，进一步地，所述输电通道关键特征参数辨识模型的构建方法，具体包括：

8、获取所述目标电网的训练数据，所述训练数据包括所述目标电网的输电通道关键特征参数的历史数据；

9、基于电网拓扑图，根据所述训练数据中的运行数据确定训练电网图数据；

10、将所述训练电网图数据按照设定比例划分为训练集和测试集；

11、将所述训练集输入所述输电通道关键特征参数辨识模型中的图卷积神经网络层进行特征提取，将提取到的特征结果分别输入所述目标电网中各输电通道的线性回归层，得到各所述输电通道的关键特征参数预测值；

12、基于多任务损失函数计算关键特征参数预测值与关键特征参数实际值之间的误差值，通过所述误差值反向传播来更新所述输电通道关键特征参数辨识模型的神经元权重，得到所述输电通道关键特征参数辨识模型。

13、基于上述技术方案，进一步地，所述获取所述目标电网的训练数据，具体包括：

14、获取所述目标电网的历史运行数据；

15、根据所述历史运行数据，得到所述目标电网中各条输电通道的历史特征数据，所述历史特征数据为xi＝(pmi，pni，qmi，qni，umi，uni，yi)

16、其中，pmi是所述目标电网中第i条输电通道中第一端的有功功率，pni是第i条输电通道中第二端的有功功率，qmi是所第i条输电通道中第一端的无功功率，qni是第i条输电通道中第二端的无功功率，umi是第i条输电通道中第一端的电压值，uni是第i条输电通道中第二端的电压值，yi是第i条输电通道对地电纳参数；

17、将所有所述输电通道的历史特征数据进行组合，得到所述目标电网的训练数据x＝[x1,x2,…,xn]，其中n是所述输电通道的数量。

18、基于上述技术方案，进一步地，所述基于电网拓扑图，根据所述训练数据中的运行数据确定训练电网图数据，具体包括：

19、将所述电网拓扑图中的发电机作为所述训练电网图数据中的点，将所述电网拓扑图中的传输线作为所述训练电网图数据中的节点，将所述传输线路作为所述训练电网图数据中的边，基于所述发电机和所述传输线路构造无向图g(v,e)，其中v是顶点集，e是边集，通过所述运行数据对所述无向图g(v,e)赋值。

20、基于上述技术方案，进一步地，所述将所述训练集输入所述输电通道关键特征参数辨识模型中的图卷积神经网络层进行特征提取，具体包括：

21、基于所述训练集中数据的同质性和平均度确定所述图卷积神经网络层中的注意力机制，其中，所述同质性是指具有与中心节点相同标签的邻居节点的平均比率，所述平均度是指节点度数的平均值；

22、将所述训练集输入所述输电通道关键特征参数辨识模型中的图卷积神经网络层进行特征提取，得到第i节点的特征结果公式如下：

23、

24、其中wk是图卷积神经网络层的参数矩阵，k是所述输电通道的数量，aijk是邻接矩阵，ni是第i节点的邻居数，是激活函数，是第j输电通道的历史特征数据。

25、基于上述技术方案，进一步地，所述方法还包括：

26、根据公式获取第k条所述输电通道的标签训练所述输电通道关键特征参数辨识模型中的图卷积神经网络层，公式如下：

27、

28、其中，gk是第k条所述输电通道的支路电导，根据π型等效电路推导公式计算支路电导的实际值作为图卷积神经网络层训练的标签值，其中，pmk是所述目标电网中第k条输电通道中第一端的有功功率，pnk是第k条输电通道中第二端的有功功率，qmk是所述第k条输电通道中第一端的无功功率，qnk是第k条输电通道中第二端的无功功率，umk是第k条输电通道中第一端的电压值，unk是第k条输电通道中第二端的电压值，yk是第k条输电通道对地电纳参数。

29、基于上述技术方案，进一步地，所述方法还包括：

30、所述多任务损失函数为每条所述输电通道分配权重，公式如下：

31、

32、其中，表示第k条传输通道的电导g的权重系数，lk(w)表示第k条传输通道的损失函数。

33、第二方面，本发明还提供了一种电网输电通道关键特征参数辨识装置，所述装置包括：

34、采集模块，用于获取目标电网的运行数据；

35、第一构建模块，用于根据电网拓扑图，基于所述运行数据确定所述目标电网的图数据；

36、第二构建模块，用于将所述目标电网的图数据输入至输电通道关键特征参数辨识模型中，得到所述目标电网中输电通道关键特征参数，其中，所述输电通道关键特征参数辨识模型是基于多任务噪声图注意力网络构建的。

37、基于上述技术方案，进一步地，还包括第三构建模块，所述第三构建模块，用于获取所述目标电网的训练数据，所述训练数据包括所述目标电网的输电通道关键特征参数的历史数据；

38、基于电网拓扑图，根据所述训练数据中的运行数据确定训练电网图数据；

39、将所述训练电网图数据按照设定比例划分为训练集和测试集；

40、将所述训练集输入所述输电通道关键特征参数辨识模型中的图卷积神经网络层进行特征提取，将提取到的特征结果分别输入所述目标电网中各输电通道的线性回归层，得到各所述输电通道的关键特征参数预测值；

41、基于多任务损失函数计算关键特征参数预测值与关键特征参数实际值之间的误差值，通过所述误差值反向传播来更新所述输电通道关键特征参数辨识模型的神经元权重，得到所述输电通道关键特征参数辨识模型。

42、基于上述技术方案，进一步地，所述第三构建模块，具体用于获取所述目标电网的历史运行数据；

43、根据所述历史运行数据，得到所述目标电网中各条输电通道的历史特征数据，所述历史特征数据为xi＝(pmi，pni，qmi，qni，umi，uni，yi)。

44、其中，pmi是所述目标电网中第i条输电通道中第一端的有功功率，pni是第i条输电通道中第二端的有功功率，qmi是所第i条输电通道中第一端的无功功率，qni是第i条输电通道中第二端的无功功率，umi是第i条输电通道中第一端的电压值，uni是第i条输电通道中第二端的电压值，yi是第i条输电通道对地电纳参数；

45、将所有所述输电通道的历史特征数据进行组合，得到所述目标电网的训练数据x＝[x1,x2,…,xn]，其中n是所述输电通道的数量。

46、基于上述技术方案，进一步地，所述第三构建模块，具体用于将所述电网拓扑图中的发电机作为所述训练电网图数据中的点，将所述电网拓扑图中的传输线作为所述训练电网图数据中的节点，将所述传输线路作为所述训练电网图数据中的边，基于所述发电机和所述传输线路构造无向图g(v,e)，其中v是顶点集，e是边集，通过所述运行数据对所述无向图g(v,e)赋值。

47、基于上述技术方案，进一步地，所述第三构建模块，具体用于基于所述训练集中数据的同质性和平均度确定所述图卷积神经网络层中的注意力机制，其中，所述同质性是指具有与中心节点相同标签的邻居节点的平均比率，所述平均度是指节点度数的平均值；

48、将所述训练集输入所述输电通道关键特征参数辨识模型中的图卷积神经网络层进行特征提取，得到第i节点的特征结果公式如下：

49、

50、其中wk是图卷积神经网络层的参数矩阵，k是所述输电通道的数量，aijk是邻接矩阵，ni是第i节点的邻居数，是激活函数，是第j输电通道的历史特征数据。

51、基于上述技术方案，进一步地，所述第三构建模块，具体用于根据公式获取第k条所述输电通道的标签训练所述输电通道关键特征参数辨识模型中的图卷积神经网络层，公式如下：

52、

53、其中，gk是第k条所述输电通道的支路电导，根据π型等效电路推导公式计算支路电导的实际值作为图卷积神经网络层训练的标签值，其中，pmk是所述目标电网中第k条输电通道中第一端的有功功率，pnk是第k条输电通道中第二端的有功功率，qmk是所述第k条输电通道中第一端的无功功率，qnk是第k条输电通道中第二端的无功功率，umk是第k条输电通道中第一端的电压值，unk是第k条输电通道中第二端的电压值，yk是第k条输电通道对地电纳参数。

54、基于上述技术方案，进一步地，所述第三构建模块，具体用于所述多任务损失函数为每条所述输电通道分配权重，公式如下：

55、

56、其中，表示第k条传输通道的电导g的权重系数，lk(w)表示第k条传输通道的损失函数。

57、第三方面，本发明还提供了一种计算机设备，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第一方面中任一项所述的一种电网输电通道关键特征参数辨识方法。

58、第四方面，本发明还提供一种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第一方面中任一项所述的一种电网输电通道关键特征参数辨识方法。

59、本发明提供的电网输电通道关键特征参数辨识方法和装置，包括获取目标电网的运行数据；根据电网拓扑图，基于所述运行数据确定所述目标电网的图数据；将所述目标电网的图数据输入至输电通道关键特征参数辨识模型中，得到所述目标电网中输电通道关键特征参数。本发明提高了电网输电通道关键特征参数辨识的准确性和辨识效率。