一种基于图神经网络的电力系统缺失数据重建方法及系统技术方案

本发明专利技术公开了一种基于图神经网络的电力系统缺失数据重建方法及系统。本发明专利技术将当前时刻存在缺失的电力系统运行数据构建成矩阵并输入至一训练好的图神经网络，获得当前时刻重建的完整的电力系统运行数据；所述矩阵中缺失的电力系统运行数据为远离正常值的固定值表示；所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得。本发明专利技术利用图神经网络从历史数据中学习到量测数据间复杂的时空相关性，从而准确高效的重建缺失的电力系统数据。本发明专利技术考虑了电力系统缺失数据重建，对保障电力系统安全稳定运行有着重要意义。障电力系统安全稳定运行有着重要意义。障电力系统安全稳定运行有着重要意义。

【技术实现步骤摘要】
一种基于图神经网络的电力系统缺失数据重建方法及系统


[0001]本专利技术属于电力系统
，涉及电力系统出现数据丢失、数据延迟及受到网络攻击被注入坏数据时的电力系统缺失数据重建方法，尤其是一种基于图神经网络的电力系统缺失数据重建方法及系统。

技术介绍

[0002]随着双碳目标的提出及我国的风、光等新能源并网比例的日益提高，电力系统感知和调度智能化是保障电力系统的安全稳定运行的必然趋势。电力数据采集与监控系统(supervisory control and data acquisition，SCADA)及相量量测装置(Phasor Measurement Unit，PMU)采集数据的准确性和实时性对电力系统状态估计、稳定分析及运行优化有重要意义。然而，受通讯系统稳定性及不间断电源供电稳定性等外界因素干扰，电力数据在采集、测量、传输、转换等环节均有可能受到干扰或发生故障，造成电力系统出现数据丢失、数据延迟等异常问题，进一步影响智能调度中心的正常运行。因此，电力系统的缺失数据重建对保障电力系统安全稳定运行至关重要。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服上述现有技术存在的不足，提供一种基于图神经网络的电力系统缺失数据重建方法，利用图神经网络从历史数据中学习到量测数据间复杂的时空相关性，从而准确高效的重建缺失的电力系统数据。
[0004]为此，本专利技术采用如下的技术方案：
[0005]一种基于图神经网络的电力系统缺失数据重建方法，其特征在于，具体为：将当前时刻存在缺失的电力系统运行数据构建成矩阵并输入至一训练好的图神经网络，获得当前时刻重建的完整的电力系统运行数据；
[0006]所述矩阵中缺失的电力系统运行数据采用远离正常值的固定值表示；
[0007]所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得。
[0008]进一步地，所述电力系统运行数据包括每个节点处的电压幅值、电压相角、节点注入有功功率、节点注入无功功率和两两节点间的连接关系；构建成的矩阵包括：
[0009]表示电力系统中两两节点间连接关系的拓扑矩阵A及特征电气特征矩阵H
t
：
[0010][0011][0012]其中，T
ij
表示节点ij的拓扑连接关系，为0则表示两节点不直接相连，为1则表示两节点直接相连；V
tm,i
,V
ta,i
,P
ti
,Q
ti
分别表示时刻t时节点i处的电压幅值、电压相角、节点注入有功功率和节点注入无功功率，N为电力系统中节点总数。
[0013]进一步地，所述图神经网络由依次连接的若干层GCN层和全连接层组成。
[0014]进一步地，所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得，具体如下：
[0015]收集所述电力系统的历史运行数据，并一一构建成矩阵，针对特定时间断面下的历史数据矩阵，随机丢弃部分数据以模拟电力系统数据丢失、数据延迟的异常问题；
[0016]将丢弃部分数据后的矩阵作为图神经网络的输入，对应的原始矩阵作为标签，以最小化图神经网络的输出与标签的损失函数为目标对图神经网络进行训练，获得训练好的图神经网络。
[0017]进一步地，所述丢弃部分数据后的矩阵中，丢弃数据采用远离正常值的固定值取代。
[0018]进一步地，所述损失函数为图神经网络的输出与标签的均方误差。
[0019]一种基于图神经网络的电力系统缺失数据重建系统，包括：
[0020]数据获取模块，用于当前时刻存在缺失的电力系统运行数据构建成矩阵；
[0021]数据重建模块，包括一训练好的图神经网络，用于将当前时刻存在缺失的电力系统运行数据构建成矩阵并输入至一训练好的图神经网络，获得当前时刻重建的完整的电力系统运行数据。
[0022]一种电子设备，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的基于图神经网络的电力系统缺失数据重建方法。
[0023]一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现上述的基于图神经网络的电力系统缺失数据重建方法。
[0024]本专利技术的有益效果是：本专利技术设计一种基于图神经的网络电力系统缺失数据重建方法及系统，将电力系统的状态描述为一种图结构，并利用图神经网络从历史数据中学习到图结构量测数据间复杂的时空相关性，从而准确高效的重建缺失的电力系统数据。解决电力系统中由于存在通信阻塞、硬件故障、传输延迟等多方面原因，电力系统量测数据可能会存在不同程度的数据缺失问题。
附图说明
[0025]图1为本专利技术设计的图卷积神经网络结构图；
[0026]图2为算例所用的IEEE39节点系统结构图；
[0027]图3为训练过程中的均方误差指标变化图；
[0028]图4为某时刻电力系统待重建电气特征参数矩阵；
[0029]图5为某时刻电力系统重建后电气特征参数矩阵。
具体实施方式
[0030]本专利技术提供了基于图神经网络的电力系统缺失数据重建方法，具体为：将当前时刻存在缺失的电力系统运行数据构建成矩阵并输入至一训练好的图神经网络，获得当前时刻重建的完整的电力系统运行数据。
[0031]所述电力系统运行数据包括每个节点处的电压幅值、电压相角、节点注入有功功率、节点注入无功功率和两两节点间的连接关系；构建成的矩阵包括：
[0032]表示电力系统中两两节点间连接关系的拓扑矩阵A及特征电气特征矩阵H
t
具体表示如下：
[0033][0034][0035]其中，T
tij
表示节点ij在t时刻的拓扑连接关系，为0则表示两节点不直接相连，为1则表示两节点直接相连；V
tm,i
,V
ta,i
,P
ti
,Q
ti
分别表示时刻t时节点i处的电压幅值、电压相角、节点注入有功功率和节点注入无功功率。
[0036]其中，矩阵中缺失的电力系统运行数据采用远离正常值的固定值表示；
[0037]所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得的，示例性地，收集所述电力系统的历史运行数据，并一一构建成电气特征矩阵，在时间断面t时刻下，在电气特征矩阵H
t
随机将1
‑
k个电气特征用固定数值e
t
取代(e
t
远离正常值)，以模拟电力系统数据丢失、数据延迟等异常问题。将处理后的电气特征矩阵记为H
t
’
作为后续神经网络的输入，将处理前的矩阵H
t
作为后续神经网络输出的目标值。以均方误差作为损失函数，使用梯度下降法训练神经网络的可训练参数，以最小化均方误差，从而获得训练好的图神经网络。
[0038]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的电力系统缺失数据重建方法，其特征在于，具体为：将当前时刻存在缺失的电力系统运行数据构建成矩阵并输入至一训练好的图神经网络，获得当前时刻重建的完整的电力系统运行数据；所述矩阵中缺失的电力系统运行数据采用远离正常值的固定值表示；所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得。2.根据权利要求1所述的方法，其特征在于，所述电力系统运行数据包括每个节点处的电压幅值、电压相角、节点注入有功功率、节点注入无功功率和两两节点间的连接关系；构建成的矩阵包括：表示电力系统中两两节点间连接关系的拓扑矩阵A及特征电气特征矩阵H
t
：：其中，T
ij
表示节点ij的拓扑连接关系，为0则表示两节点不直接相连，为1则表示两节点直接相连；P
ti
,Q
ti
分别表示时刻t时节点i处的电压幅值、电压相角、节点注入有功功率和节点注入无功功率，N为电力系统中节点总数。3.根据权利要求1所述的方法，其特征在于，所述图神经网络由依次连接的若干层GCN层和全连接层组成。4.根据权利要求1所述的方法，其特征在于，所述图神经网络利用基于所述电力系统收集的历史运行数据训练获得，具体如下：收集所述电力系统的历史运行数据，并一一构建成矩阵，针对特定时间断面下的...

【专利技术属性】
技术研发人员：朱禹泓，周永智，韦巍，
申请(专利权)人：浙江大学，
类型：发明
国别省市：