本发明涉及配电网拓扑辨识,尤其涉及一种基于图形化建模的分布式能源配电网拓扑识别方法和介质。
背景技术:
1、电力网络拓扑识别在电力系统运行中起着至关重要的作用,因为它是故障定位和网络重构的基础。目前,已经提出了各种方法来解决状态估计框架下的输电网络拓扑识别问题。但是,随着分布式能源的激增,对配电系统运行提出了更高的要求。其中,包括通过优化各种分布式能源的控制方法来提高配电系统运行的可靠性和经济性。此外,对配电系统运行有显著影响的配电网络拓扑识别现在也引起了额外的关注。由于分布式能源具有很强的随机性,所以对电力系统调度物理模型的精确建模提出了极大的挑战。
2、从广义上讲,配电网拓扑识别方法分为模型驱动和数据驱动两种。模型驱动方法是从状态估计方法发展而来的。尽管基于状态估计的方法具有很高的可解释性,但模型驱动方法可能会陷入模型不准确的情况。与模型驱动方法不同,数据驱动方法通过从测量数据中挖掘信息来解决拓扑识别问题,而不是建立特定的配电网模型。随着智能电表和相量测量单元的快速发展,通过利用智能传感器收集的测量数据进行拓扑识别成为可能,由于数据驱动方法不依赖于数学模型,并且能够捕获测量数据与网络拓扑之间的关系,因此它们消除了不准确的模型造成的错误,并适应于分布式能源的灵活集成。所以,数据驱动方法在解决配电网拓扑识别问题中表现出了优异的性能。
3、然而,在大多数研究中,假设配电网节点功率注入是相互独立的,且节点电压大小服从高斯分布,这限制了数据驱动方法在具有分布式能源的配电网中的应用。事实上,由于天气条件相似,相邻的分布式能源的输出功率具有很强的相关性,这影响了节点电压幅值的联合概率分布,然而忽略这些相关性将导致拓扑识别结果不准确。因此,目前的数据驱动方法无法适应于具有分布式能源的配电网中,且无法提高配电网拓扑识别准确性。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提供一种基于图形化建模的分布式能源配电网拓扑识别方法,该方法能够适应于具有分布式能源的配电网中,且能够提高配电网拓扑识别准确性。
2、本发明的第二个目的在于提供一种计算机可读存储介质。
3、本发明的第三个目的在于提供一种电子设备。
4、本发明的第四个目的在于提供一种计算机程序产品。
5、为达到上述目的,本发明通过以下技术方案实现:
6、一种基于图形化建模的分布式能源配电网拓扑识别方法,包括:
7、步骤s1:获取分布式能源配电网中节点模型内各节点的相关功率注入值;
8、步骤s2:将各节点的相关功率注入值转化为独立功率注入值,并将各节点的独立功率注入值输入至神经网络得到各节点独立功率注入下的节点电压值;
9、步骤s3:通过动态均分最大信息系数算法对任意两节点的节点电压值进行处理得到任意两节点之间的最大互信息,并在所述最大互信息大于预设值时,确定对应的两节点之间相连,从而实现分布式能源配电网的拓扑识别。
10、优选的,所述步骤s2中,将各节点的相关功率注入值转化为独立功率注入值的步骤包括:
11、步骤s21:确定各节点的相关功率注入值对应的协方差矩阵;
12、步骤s22:对各协方差矩阵进行乔莱斯基分解,得到乔莱斯基分解量;
13、步骤s23:根据所述乔莱斯基分解量和各节点的相关功率注入值得到各节点的训练样本;
14、步骤s24:将各节点的训练样本转化为独立正态分布形式,得到呈独立正态分布的训练样本集合;
15、步骤s25:根据所述乔莱斯基分解量和所述训练样本集合得到各节点的测试样本集合。
16、优选的,对各协方差矩阵进行求和,并设置各协方差矩阵的权重,所述方法还包括:通过对各协方差矩阵进行乔莱斯基分解对各协方差矩阵的权重进行更新。
17、优选的,设定第一节点电压变量和第二节点电压变量,所述动态均分最大信息系数算法为:
18、分别对所述第一节点电压变量和所述第二节点电压变量进行均匀分割;在均匀分割后,分别计算所述第一节点电压变量和所述第二节点电压变量对应的边际概率分布以及所述第一节点电压变量和所述第二节点电压变量的联合概率分布;分别计算两边际概率分布对应的香农熵和所述联合概率分布对应的联合熵,并根据所述香农熵和所述联合熵计算得到两节点电压的互信息值。
19、优选的,所述步骤s3中,通过动态均分最大信息系数算法对任意两节点的节点电压值进行处理得到任意两节点之间的最大互信息的步骤包括:根据任意两节点的节点电压值分别计算得到对应的边际概率分布以及联合概率分布;分别计算两边际概率分布对应的香农熵和所述联合概率分布对应的联合熵,并根据所述香农熵和所述联合熵计算得到两节点电压的互信息值,并从所述互信息值中确定出最大互信息。
20、优选的,所述神经网络为基于注意力机制的神经网络。
21、为达到上述目的,本发明第二方面提供了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,实现上述所述的基于图形化建模的分布式能源配电网拓扑识别方法。
22、为达到上述目的,本发明第三方面提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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,实现上述所述的基于图形化建模的分布式能源配电网拓扑识别方法。
23、为达到上述目的,本发明第四方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现上述所述的基于图形化建模的分布式能源配电网拓扑识别方法。
24、本发明至少具有以下技术效果:
25、本发明通过将各节点的相关功率注入值转化为独立功率注入值,然后将各节点的独立功率注入值输入至神经网络得到各节点独立功率注入下的节点电压值,最后通过动态均分最大信息系数算法对任意两节点的节点电压值进行处理得到任意两节点之间的最大互信息,并在所述最大互信息大于预设值时,确定对应的两节点之间相连,从而实现分布式能源配电网的拓扑识别,本发明充分考虑了节点功率注入数据的相关性,并通过最大互信息确定节点电压之间的依赖关系,从而确定节点之间的连接关系,进而可提高配电网拓扑识别准确性。
26、本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,包括:
2.如权利要求1所述的基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,所述步骤s2中,将各节点的相关功率注入值转化为独立功率注入值的步骤包括:
3.如权利要求2所述的基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,对各协方差矩阵进行求和,并设置各协方差矩阵的权重,所述方法还包括:通过对各协方差矩阵进行乔莱斯基分解对各协方差矩阵的权重进行更新。
4.如权利要求1所述的基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,设定第一节点电压变量和第二节点电压变量,所述动态均分最大信息系数算法为:
5.如权利要求4所述的基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,所述步骤s3中,通过动态均分最大信息系数算法对任意两节点的节点电压值进行处理得到任意两节点之间的最大互信息的步骤包括:
6.如权利要求1-5中任一项所述的基于图形化建模的分布式能源配电网拓扑识别方法,其特征在于,所述神经网络为基于注意力机制的神经网络。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-6中任一项所述的方法。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1-6中任一项所述的方法。
9.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-6中任一项所述的方法。