一种新型电力系统谐波实时定位方法、系统、设备及介质与流程

本发明涉及电力系统，特别是涉及一种新型电力系统谐波实时定位方法、系统、设备及介质。

背景技术：

1、随着新型电力系统内电力电子设备应用的不断增加，电气环境内谐波污染也随之增加，对电力系统的供电质量和运行安全造成较大影响。因此，对电力系统谐波进行可靠溯源定位可为新型电力系统的安全稳定运行提供可靠保障。

2、现有新型电力系统的谐波溯源定位方法主要包括是时频域分析方法和深度学习方法两类。其中，时频域分析方法是利用频域分析、时域分析或复频域分析进行波形分解得到不同谐波的相位、频率、振幅等特性，再采用干预设或非干预式方法基于谐波特性分析谐波类型和对谐波发生源进行定位，这种基于固定规则的时频域分析方法涉及的计算负担与函数复杂度间存在着相互制约关系，难以有效平衡计算效率和计算精度；同时，现有深度学习方法直接将采集的电力系统监测数据输入网络模型进行谐波状态评估，极易出现过拟合现象导致难以应对实际部署的高复杂度的电网谐波。因此，亟需提供一种能兼顾谐波定位效率和定位精准性的新型电力系统谐波溯源定位方法。

技术实现思路

1、本发明的目的是提供一种新型电力系统谐波实时定位方法，通过基于包括多个并行的孪生谐波特性分析子网络的谐波特性分析网络的谐波特性分析结果构建电力系统的谐波特性图，再采用图神经网络模型基于谐波特性图进行谐波定位分析，可有效利用神经网络强大的线性/非线性拟合能力对新型电力系统进行实时谐波定位分析，有效提升谐波定位效率和定位精准性。

2、为了实现上述目的，有必要针对上述技术问题，提供一种新型电力系统谐波实时定位方法、系统、设备及介质。

3、第一方面，本发明实施例提供了一种新型电力系统谐波实时定位方法，所述方法包括以下步骤：

4、连续获取多个采样时刻下新型电力系统的基波波形数据和电压波形监测数据集；所述电压波形监测数据集包括各个谐波采集点的电压波形数据；

5、根据各个采样时刻的基波波形数据，生成对应的标准谐波波形数据集；所述标准谐波波形数据集包括若干个基波整数倍标准谐波波形数据；

6、将各个采样时刻的电压波形监测数据集和对应的标准谐波波形数据集输入预先构建的谐波特性分析网络进行谐波特性分析，得到对应的谐波特性数据集；所述谐波特性分析网络包括多个并行的孪生谐波特性分析子网络；

7、根据各个采样时刻的谐波特性数据集中所有谐波采集点的谐波特性数据和所述新型电力系统的网络拓扑，生成对应的谐波特性图；

8、将所有采样时刻的谐波特征图输入预先构建的图神经网络进行谐波定位分析，得到对应的系统谐波定位结果。

9、进一步地，所述孪生谐波特性分析子网络包括2个共享权值的多层感知机网络和1个全连接神经网络；所述孪生谐波特性分析子网络的数目与所述基波整数倍标准谐波波形数据的数目保持一致；所述谐波特性分析网络的构建方法包括：

10、获取所述新型电力系统的历史监测数据；所述历史监测数据包括历史基波波形数据和对应的历史电压波形监测数据集；

11、将所述历史电压波形监测数据集中各个谐波采集点的电压波形数据进行多模态噪声叠加处理，得到对应的预处理历史电压波形数据集；

12、根据所述历史基波波形数据，生成历史标准谐波波形数据集，并根据所述历史标准谐波波形数据集和所述预处理历史电压波形数据集，基于随机采样方法对各个孪生谐波特性分析子网络进行训练，得到所述谐波特性分析网络。

13、进一步地，所述孪生谐波特性分析子网络的输出结果为谐波特性三元组；所述谐波特性三元组包括置信度、电压波形数据所含基波整数倍标准谐波波形数据与基波波形数数据的幅值比值和相位差；

14、所述基于随机采样方法对各个孪生谐波特性分析子网络进行训练，得到所述谐波特性分析网络的步骤包括：

15、基于交叉熵损失函数对各个谐波特性三元组中的置信度进行综合评估，得到对应的置信度估计偏差；

16、基于二维高斯分布损失函数对各个谐波特性三元组中电压波形数据所含基波整数倍标准谐波波形数据与基波波形数数据的幅值比值和相位差进行综合评估，得到对应的谐波成分估计偏差；

17、根据所述置信度估计偏差和所述谐波成分估计偏差，对各个孪生谐波特性分析子网络进行反向传播更新优化直至到达预设训练终止条件，得到所述谐波特性分析网络。

18、进一步地，所述二维高斯分布损失函数表示为：

19、

20、式中，表示谐波成分估计偏差；和分别表示每个谐波采集点的第i个谐波特性三元组中电压波形数据所含基波整数倍标准谐波波形数据与基波波形数数据的幅值比值和相位差；和分别表示二维高斯分布中幅值比值对应的均值和标准差；和分别表示二维高斯分布中相位差对应的均值和标准差；表示二维高斯分布中幅值比值和相位差的相关系数；k表示谐波特性三元组的数目。

21、进一步地，所述将各个采样时刻的电压波形监测数据集和对应的标准谐波波形数据集输入预先构建的谐波特性分析网络进行谐波特性分析，得到对应的谐波特性数据集的步骤包括：

22、将各个电压波形监测数据集中各个谐波采集点的电压波形数据均与对应标准谐波波形数据集中的各个基波整数倍标准谐波波形数据组合输入至对应的孪生谐波特性分析子网络进行谐波特性分析，得到对应采样时刻的各个谐波采集点的谐波特性数据；所述谐波特性数据包括多个谐波特性三元组；

23、根据各个采样时刻的所有谐波采集点的谐波特性数据，生成对应的谐波特性数据集。

24、进一步地，所述图神经网络包括编码网络、预设时间注意力网络和解码网络；所述编码网络和所述解码网络均包括多层全连接神经网络；所述图神经网络的损失函数表示为：

25、

26、式中，

27、

28、其中，表示谐波定位综合损失；表示每个图节点的谐波定位损失；表示整个拓扑图域所有节点和节点关系；表示带上边界权值后每个节点数据的权值大小；与是常数值；和表示节点中与异常点最近的两个节点的距离；表示带有边界权值约束前的网络权值大小；表示图神经网络输出的谐波生成点距离节点的平面距离；表示谐波生成点距离节点的真实平面距离。

29、进一步地，所述将所有采样时刻的谐波特征图输入预先构建的图神经网络进行谐波定位分析，得到对应的系统谐波定位结果的步骤包括：

30、将所有采样时刻的谐波特征图输入所述编码网络进行特征编码，得到对应的谐波特征向量；

31、将所述谐波特征向量输入所述预设时间注意力网络进行特征融合，得到对应的融合谐波特征；

32、将所述融合谐波特征输入所述解码网络进行解码处理，得到所述系统谐波定位结果。

33、第二方面，本发明实施例提供了一种新型电力系统谐波实时定位系统，所述系统包括：

34、电压波形采集模块，用于连续获取多个采样时刻下新型电力系统的基波波形数据和电压波形监测数据集；所述电压波形监测数据集包括各个谐波采集点的电压波形数据；

35、标准谐波生成模块，用于根据各个采样时刻的基波波形数据，生成对应的标准谐波波形数据集；所述标准谐波波形数据集包括若干个基波整数倍标准谐波波形数据；

36、谐波特性分析模块，用于将各个采样时刻的电压波形监测数据集和对应的标准谐波波形数据集输入预先构建的谐波特性分析网络进行谐波特性分析，得到对应的谐波特性数据集；所述谐波特性分析网络包括多个并行的孪生谐波特性分析子网络；

37、拓扑图构建模块，用于根据各个采样时刻的谐波特性数据集中所有谐波采集点的谐波特性数据和所述新型电力系统的网络拓扑，生成对应的谐波特性图；

38、谐波定位分析模块，用于将所有采样时刻的谐波特征图输入预先构建的图神经网络进行谐波定位分析，得到对应的系统谐波定位结果。

39、第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

40、第四方面，本发明实施例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上述方法的步骤。

41、上述本技术提供了一种新型电力系统谐波实时定位方法、系统、计算机设备和存储介质，通过所述方法实现了连续获取多个采样时刻下新型电力系统的基波波形数据和包括各个谐波采集点的电压波形数据的电压波形监测数据集，根据各个采样时刻的基波波形数据生成包括若干个基波整数倍标准谐波波形数据的标准谐波波形数据集后，将各个采样时刻的电压波形监测数据集和对应的标准谐波波形数据集输入预先构建的包括多个并行的孪生谐波特性分析子网络的谐波特性分析网络进行谐波特性分析得到对应的谐波特性数据集，再根据各个采样时刻的谐波特性数据集中各个谐波采集点的谐波特性数据和新型电力系统的网络拓扑生成对应的谐波特性图，以及将所有采样时刻的谐波特征图输入预先构建的图神经网络进行谐波定位分析得到对应的系统谐波定位结果的技术方案。与现有技术相比，该新型电力系统谐波实时定位方法，通过基于包括多个并行的孪生谐波特性分析子网络的谐波特性分析网络的谐波特性分析结果构建电力系统的谐波特性图，再采用图神经网络模型基于谐波特性图进行谐波定位分析，可有效利用神经网络强大的线性/非线性拟合能力对新型电力系统进行实时谐波定位分析，有效提升谐波定位效率和定位精准性。