一种配电网拓扑识别方法、电子设备及介质

技术领域

本发明属于配电网拓扑识别领域，特别涉及一种基于马尔可夫毯图向量压缩神经网络的配电网拓扑识别方法、电子设备及介质。

背景技术

近年来，随着可再生能源，电动汽车，储能器等的集成化程度不断提高，配电网正在迅速发展，在这种情况下，双向潮流可能会流向电网，以反馈剩余的能量。这些变化需要加强对电网运行和控制的管理，其中的先决条件包括对电网拓扑的及时可靠的估计。在实践中，配电网的配置可能经常变化，有时甚至每小时变化几次。

对于配电网的拓扑识别算法，可分为不基于图理论的方法和基于图理论的方法。不基于图理论的方法主要是线性回归法，此方法忽略电压之间的非线性关联性，导致识别精度较低；基于图理论的方法主要有马尔可夫随机场方法，相互信息法和逆相关系数矩阵法。马尔可夫随机场方法需要训练大量的模型参数，不适用大规模电力系统；相互信息法需要遍历每一对节点，计算量极大，效率低；逆相关系数法矩阵法需要完备的网络阻抗信息和节点状态量信息，无法解决部分节点状态量缺失的问题。为了实现实时快速有效高效鲁棒的配电网拓扑识别，有必要利用人工智能强大的学习能力和实时应用能力，构建有效的拓扑数据压缩模型，进而得到实时的拓扑识别方法。

发明内容

为了克服目前配电网拓扑识别存在识别精度低、模型训练慢、效率低、参数要求高的技术问题，本发明提供一种效率高、兼容性好且识别精度高的基于马尔可夫毯图向量压缩神经网络的配电网拓扑识别方法、电子设备及介质。

为了实现上述目的，本发明的技术方案是：

一种配电网拓扑识别方法，包括以下步骤：

步骤1）根据配电网电压幅值的历史数据集中配电网的节点数目和电压幅值样本数建立第一矩阵，然后以相邻节点对的电压幅值并集作为相邻节点对的电压马尔可夫毯来建立第二矩阵，并基于第一矩阵和第二矩阵来建立配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵；其中节点

步骤2）基于配电网总的节点数和配电网电压幅值节点来建立作为马尔可夫毯图向量模型的矩阵，然后将矩阵分别与第二矩阵或相邻节点对中的节点对应于配电网中的位置来联合形成马尔可夫毯图向量压缩模型，再将马尔可夫毯图向量压缩模型作为神经网络中的图卷积层来形成马尔可夫毯图向量压缩神经网络；

步骤3）基于步骤1）的电压幅值测量矩阵对步骤2）的神经网络进行迭代训练，得到最优的马尔可夫毯图向量压缩神经网络模型；

步骤4）基于步骤3）的神经网络模型，根据实时的配电网节点电压幅值马尔可夫毯格式的电压幅值测量矩阵对配电网进行拓扑识别，得到配电网实时的线路拓扑通断信息。

所述的方法，所述的步骤1)中，第一矩阵通过以下方式建立：

将历史电压幅值储存为一个

所述的方法，所述的步骤1)中，第二矩阵通过以下方式建立：

建立维度为

上式中，

所述的方法，所述的步骤1)中，配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵通过以下方式建立：

电压幅值马尔可夫毯格式的电压幅值测量矩阵

其中T表示矩阵转置符号。

所述的方法，所述的步骤2)中，马尔可夫毯图向量模型的矩阵通过以下方式建立：

构造马尔可夫毯图向量模型

所述的方法，所述的步骤2)中，马尔可夫毯图向量压缩模型通过以下方式建立：

马尔可夫毯图向量压缩模型

其中第二矩阵

其中，

向量

上式中，

所述的方法，所述的步骤2)中，马尔可夫毯图向量压缩神经网络通过以下方式构造：

其中，

所述的方法，所述的步骤3)包括以下过程：

用交叉熵建立损失函数：

式中，

然后基于损失函数，通过反向传播的方式，对马尔可夫毯图向量模型

一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现前述的方法。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现前述的方法。

本发明的技术效果在于，利用马尔可夫毯图向量压缩技术，通过提出压缩配电网电压幅值的马尔可夫毯图向量压缩模型和用于拓扑识别的图向量压缩神经网络模型，增强了该模型对大规模配电网的识别效率。本发明改进了传统的神经网络模型，能够适用大规模的配电网拓扑识别问题，同时提高计算效率，增强识别的准确度，能够与配电网稳定控制等算法相兼容。

附图说明

图1是本发明流程示意图。

图2是本发明具体实施例中IEEE 33节点配电网的节点图。

图3是本发明具体实施例中IEEE 33节点配电网系统中第33个线路的电压幅值马尔科夫毯。其中(a)是对应的电压幅值马尔可夫毯中的电压幅值所对应的配电网节点，(b)是对应的

具体实施方式

下面结合附图和具体实施方式对本发明的内容做进一步详细说明。

本实施例所提供的基于马尔可夫毯图向量压缩神经网络的配电网拓扑识别方法具体包括如下步骤：

S1、基于历史的配电网电压幅值数据集，形成配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵，具体如下：

本实施例中，配电网节点的电压幅值马尔可夫毯的定义是：节点的电压马尔可夫毯指的是该节点的相邻节点的电压幅值的集合。

然后基于这个定义提出配电网相邻节点对的电压幅值马尔可夫毯的概念，指的是一对配电网相邻节点对和的电压幅值马尔可夫毯的并集。

基于历史的配电网电压幅值数据集，是根据节点注入有功功率在一段时间的历史变化范围，用正态分布函数拟合其分布规律并得到其模型参数。根据建立的节点注入有功功率的概率分布模型，利用蒙特卡洛的方法随机生成负荷和拓扑，用matpower的潮流算法得到对应的配电网的节点电压幅值状态量。其中，随机生成的拓扑要满足辐射性网络结构的要求，利用深度优先搜索算法去除不符合要求的拓扑。

节点电压幅值和对应的拓扑形成了所提方法的历史数据，这些数据中百分之八十形成训练数据，百分之二十形成测试数据。

那么配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵的实现如下：

将历史电压幅值储存为一个

针对每一个配电网相邻节点对

式中，

电压幅值马尔可夫毯格式的电压幅值测量矩阵

S2、构造能够压缩配电网节点电压幅值并用于配电网拓扑识别的马尔可夫毯图向量压缩神经网络的结构，该结构包括对配电网节点电压幅值进行压缩的马尔可夫毯图向量模型，将马尔可夫毯图向量模型嵌入神经网络，从而得到用于配电网拓扑识别的马尔可夫毯图向量压缩神经网络的结构，具体如下：

首先,构造马尔可夫毯图向量压缩模型

对马尔可夫毯图向量压缩模型涉及到的概念进行定义，马尔可夫毯图向量模型

马尔可夫毯图向量压缩模型

向量

上式中，

马尔可夫毯图向量压缩模型的公式：

接着，构造马尔可夫毯图向量压缩神经网络的结构：

将上述得到的马尔可夫毯图向量压缩模型作为神经网络中的图卷积层，构造马尔可夫毯图向量压缩神经网络的结构，具体如下：

其中，

S3、基于配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵对马尔可夫毯图向量压缩神经网络进行迭代训练，得到最优的马尔可夫毯图向量压缩神经网络模型。用交叉熵建立损失函数：

式中，

S4、根据所述的损失函数，通过反向传播的方式，对马尔可夫毯图向量压缩模型的参数进行不断的更新迭代直至拓扑识别的准确率达到预设的要求，并保存训练好的马尔可夫毯图向量压缩学习模型。在此迭代过程中，每一个配电网相邻节点对的损失函数只更新了该相邻节点对的马尔可夫毯图向量压缩模型里面的参数。并且，马尔可夫毯图向量压缩模型对于不同的配电网相邻节点对的参数是共享的，不需要为每一个相邻节点对设定特定的神经网络参数，只需要利用马尔可夫毯图向量压缩模型即可达到参数共享的目的。

S5、实时应用时将S3训练好的模型，输入实时的电压幅值的测量矩阵V，即可得到配电网的拓扑。

下面结合具体配电网数据样本来说明本发明的实施方案：

本发明使用含有环状的IEEE33节点低压配电系统为例。图2为本发明具体实施例中IEEE33节点配电网的节点图。图2中联络线可以闭合形成环状的网络结构。

S1首先，构造根据建立的节点注入有功功率的概率分布模型，利用蒙特卡洛的方法随机生成负荷和拓扑，用matpower的潮流算法得到对应的配电网的节点电压幅值状态量。每一个拓扑的电压幅值测量数据由交流潮流计算得到并添加±0.1%的测量噪音。其中，随机生成的拓扑要满足辐射性网络结构的要求，利用深度优先搜索算法去除不符合实际运行要求的含有孤岛的拓扑。IEEE33节点低压配电系统共产生2万个样本数据，其中每一个样本包括节点电压幅值和对应的拓扑。这些这些数据中百分之八十形成训练数据，百分之二十形成测试数据。接着构造电压幅值马尔可夫毯格式的电压幅值测量矩阵

S2然后构造用于配电网拓扑识别的马尔可夫毯图向量学习模型的结构：

以IEEE 33节点配电网系统如图2所示的节点对

S3根据说明书中所诉的损失函数，通过反向传播的方式，对马尔可夫毯图向量模型的参数进行不断的更新迭代直至拓扑的识别准确率达到一定的阈值，比如0.99，并保存最优的马尔可夫毯图向量压缩神经网络模型。

S4实时应用时将训练好的模型，输入实时的电压幅值的测量矩阵，即可得到配电网的拓扑。下表1是IEEE33节点配电网的拓扑识别准确率和F1值（准确率和F1值是由混淆矩阵计算得到的指标）。该拓扑识别方法的参数d为100。

表1拓扑识别准确率和F1值

根据本发明的实施例，本发明还提供了一种电子设备和一种计算机可读介质。

其中电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现前述的方法。

具体使用中，用户能够通过作为终端设备的电子设备并基于网络来与同样作为电子设备的服务器进行交互，实现接收或发送消息等功能。终端设备一般是设有显示装置、基于人机界面来使用的各种电子设备，包括但不限于智能手机、平板电脑、笔记本电脑和台式电脑等。其中终端设备上根据需要可安装各种具体的应用软件，包括但不限于网页浏览器软件、即时通信软件、社交平台软件、购物软件等。

服务器是用于提供各种服务的网络服务端，如对收到的从终端设备传输过来的配电网电压幅值的历史数据提供相应计算服务的后台服务器。以实现对接收到的配电网电压幅值的历史数据来训练模型，并进行当前配电网拓扑识别，并将识别结果返回至终端设备。

本实施例所提供的配电网拓扑识别方法一般由服务器执行，在实际运用中，在满足必要条件下，终端设备亦可直接执行配电网拓扑识别。

类似的，本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种配电网拓扑识别方法。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。