基于概率神经网络的主动配电网拓扑辨识方法及系统技术方案

本发明专利技术公开的基于概率神经网络的主动配电网拓扑辨识方法及系统，包括：获取配电网的量测信息和配电网的网架结构信息；根据网架结构信息，构建配电网可行拓扑集；根据量测信息和训练好的开关通断二分类器，获得配电网中各线路开关的通断概率，其中，开关通断二分类器以量测信息为输入，以线路开关的通断状态和通断概率为输出，通过概率神经网络构建获得；根据电网可行拓扑集和各线路开关的通断概率，获得电网可行拓扑集中各可行拓扑的概率；选取概率最大的可行拓扑作为配电网的拓扑识别结果。降低了概率神经网络训练所需数据量，保证了该方法在大规模系统中的可用性，有效实现了主动配电网拓扑概率辨识。配电网拓扑概率辨识。配电网拓扑概率辨识。

【技术实现步骤摘要】
基于概率神经网络的主动配电网拓扑辨识方法及系统


[0001]本专利技术涉及配电网拓扑辨识
，尤其涉及基于概率神经网络的主动配电网拓扑辨识方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着分布式电源与可控负荷等大规模接入，主动配电网运行状态变化将更为显著。为保障主动配电网的经济、可靠运行，常调整其网络拓扑结构。为保证配电管理系统各功能正常应用，实时感知主动配电网拓扑至关重要。受制于经济成本，实际配电网中安装的遥测与遥信装置较少，常存在误报和未报的情形，配电主站基于遥信信息生成的配电网网络拓扑存在着模型质量低且不完整、拓扑连通混乱以及拓扑变化无法感知等问题。若无法实时、可靠识别配电网拓扑变化并修正配电网拓扑模型，将导致配电管理系统各功能不可信、不可用，严重威胁配电网的安全经济运行。
[0004]专利技术人发现，目前主动配电网的拓扑辨识方法存在以下问题：
[0005](1)基于开关遥测信息的辨识方法对配电网开关遥信量覆盖范围及精度要求高，然而配电网中经常出现遥测量不准确或缺失的情况，适用性与准确度较低。
[0006](2)由于配电网网络规模大、线路开关数多，可能拓扑数量巨大，为实现大规模配电网的拓扑辨识，大部分基于数据驱动的方法所需训练数据量大，且对训练集完备性、数据分布均匀性都提出了很高的要求。

技术实现思路

[0007]本专利技术为了解决上述问题，提出了基于概率神经网络的主动配电网拓扑辨识方法及系统，构建了配电网可行拓扑集，并为每个线路开关构建了开关通断二分类器，根据量测信息和开关通断二分类器获得每个线路开关的通断概率，进而根据每个线路开关的通断概率确定每个可行拓扑的概率，从中选取概率最大的可行拓扑，作为拓扑识别结果，实现了对配电网拓扑的准确识别，并降低了概率神经网络训练所需的数据量。
[0008]为实现上述目的，本专利技术采用如下技术方案：
[0009]第一方面，提出了基于概率神经网络的主动配电网拓扑辨识方法，包括：
[0010]获取配电网的量测信息和配电网的网架结构信息；
[0011]根据网架结构信息，构建配电网可行拓扑集；
[0012]根据量测信息和训练好的开关通断二分类器，获得配电网中各线路开关的通断概率，其中，开关通断二分类器以量测信息为输入，以线路开关的通断状态和通断概率为输出，通过概率神经网络构建获得；
[0013]根据电网可行拓扑集和各线路开关的通断概率，获得电网可行拓扑集中各可行拓扑的概率；
[0014]选取概率最大的可行拓扑作为配电网的拓扑识别结果。
[0015]第二方面，提出了基于概率神经网络的主动配电网拓扑辨识系统，包括：
[0016]信息获取模块，用于获取配电网的量测信息和配电网的网架结构信息；
[0017]可行拓扑集构建模块，用于根据网架结构信息，构建配电网可行拓扑集；
[0018]各线路开关的通断概率获取模块，用于根据量测信息和训练好的开关通断二分类器，获得配电网中各线路开关的通断概率，其中，开关通断二分类器以量测信息为输入，以线路开关的通断状态和通断概率为输出，通过概率神经网络构建获得；
[0019]各可行拓扑的概率确定模块，用于根据电网可行拓扑集和各线路开关的通断概率，获得电网可行拓扑集中各可行拓扑的概率；
[0020]拓扑识别结果确定模块，用于选取概率最大的可行拓扑作为配电网的拓扑识别结果。
[0021]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成基于概率神经网络的主动配电网拓扑辨识方法所述的步骤。
[0022]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成基于概率神经网络的主动配电网拓扑辨识方法所述的步骤。
[0023]与现有技术相比，本专利技术的有益效果为：
[0024]1、本专利技术构建了配电网可行拓扑集，并为每个线路开关构建了开关通断二分类器，根据量测信息和开关通断二分类器获得每个线路开关的通断概率，进而根据每个线路开关的通断概率确定每个可行拓扑的概率，从中选取概率最大的可行拓扑，作为拓扑识别结果，实现了对配电网拓扑的准确识别，保证了该方法在大规模系统中的可用性。
[0025]2、本专利技术为每个线路开关设置开关通断二分类器，并在对开关通断二分类器进行训练时，采用SMOTE算法平衡类间数据分布，保证了概率神经网络的训练精度，降低了概率神经网络训练所需数据量。
[0026]本专利技术附加方面的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，或通过本专利技术的实践了解到。
附图说明
[0027]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0028]图1为实施例1公开方法的流程图；
[0029]图2为实施例1公开的SMOTE算法示意图；
[0030]图3为实施例1公开的概率神经网络示意图。
具体实施方式
[0031]下面结合附图与实施例对本专利技术作进一步说明。
[0032]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0033]实施例1
[0034]在该实施例中，公开了基于概率神经网络的主动配电网拓扑辨识方法，如图1所示，包括：
[0035]S1：获取配电网的量测信息和配电网的网架结构信息。
[0036]获取的配电网的量测信息包括支路有功功率量测、支路无功功率量测、节点电压幅值量测、节点电压相角量测、节点注入有功功率伪量测及节点注入无功功率伪量测。
[0037]S2：根据网架结构信息，构建配电网可行拓扑集。
[0038]本实施例根据配电网的网架结构信息，对电网中各线路开关通断状态进行全排列，并删除不可行拓扑，构建获得配电网可行拓扑集。
[0039]具体的，本实施例在对电网中各线路开关通断状态进行全排列，获得配电网的拓扑全集后，基于配电网连通性、辐射形约束与供电相序约束删减拓扑全集中的不可行拓扑，获得配电网可行拓扑集，在配电网可行拓扑集中包含配电网的所有可行拓扑。
[0040]为保障供电可靠性，配电网拓扑需满足连通性，且通常以辐射形拓扑运行。连通性与辐射形约束可由生成树约束表示，即除根节点外所有节点有且仅有一个父节点，即：
[0041]β
ij
+β
ji
＝s
l
,l＝1,2,
…
,br
[0042][0043][0044]其中，β
ij
与β
ji
为表征线路l两端节点i与j父本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于概率神经网络的主动配电网拓扑辨识方法，其特征在于，包括：获取配电网的量测信息和配电网的网架结构信息；根据网架结构信息，构建配电网可行拓扑集；根据量测信息和训练好的开关通断二分类器，获得配电网中各线路开关的通断概率，其中，开关通断二分类器以量测信息为输入，以线路开关的通断状态和通断概率为输出，通过概率神经网络构建获得；根据电网可行拓扑集和各线路开关的通断概率，获得电网可行拓扑集中各可行拓扑的概率；选取概率最大的可行拓扑作为配电网的拓扑识别结果。2.如权利要求1所述的基于概率神经网络的主动配电网拓扑辨识方法，其特征在于，根据配电网的网架结构信息，对电网中各线路开关通断状态进行全排列，并删除不可行拓扑，构建获得配电网可行拓扑集。3.如权利要求1所述的基于概率神经网络的主动配电网拓扑辨识方法，其特征在于，量测信息包括支路有功功率量测、支路无功功率量测、节点电压幅值量测、节点电压相角量测、节点注入有功功率伪量测及节点注入无功功率伪量测。4.如权利要求1所述的基于概率神经网络的主动配电网拓扑辨识方法，其特征在于，为配电网中的每个线路开关构建开关通断二分类器。5.如权利要求1所述的基于概率神经网络的主动配电网拓扑辨识方法，其特征在于，获取配电网的历史量测数据及对应的线路开关通断状态；通过合成少数类过采样算法对历史量测数据中的少数类样本进行合成扩充，获取扩充后的历史量测数据；将线路开关通断状态作为标签，通过扩充后的历史量测数据对构建的开关通断二分类器进行训练，训练完成，获得训练好的开关通断二分类器。6.如权利要求1所述的基于概率神经网络的主动配电...

【专利技术属性】
技术研发人员：张文，张婷婷，黎峰，
申请(专利权)人：山东大学，
类型：发明
国别省市：