电网薄弱线路识别模型构建方法、装置和计算机设备制造方法及图纸

本申请涉及一种电网薄弱线路识别模型构建方法、装置、计算机设备、存储介质和计算机程序产品，其中方法通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；对电网图数据进行多头注意力信息聚合分析，得到电网图数据的多头注意力信息；并进行关键运行特征识别来确定电网运行关键特征；最后通过对初始智能体模型进行训练，得到电网薄弱线路识别模型，可以有效地在在线运行阶段辨识关键特征来进行薄弱线路的识别，在模型训练过程使用带权重的交叉熵函数构成图注意力网络训练的损失函数，并对存在历史风险或故障事件的线路设置权重修正系数，可以在保证识别准确性的前提下有效提高电网薄弱线路识别模型对于薄弱线路的识别效率。对于薄弱线路的识别效率。对于薄弱线路的识别效率。

【技术实现步骤摘要】
电网薄弱线路识别模型构建方法、装置和计算机设备


[0001]本申请涉及计算机
，特别是涉及一种电网薄弱线路识别模型构建方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着台风、寒潮等极端天气事件的频繁发生，电力系统的运行安全性与供电稳定性收到严重的威胁。同时高渗透率新能源与海量柔性负荷接入为电网运行带来更多不确定性与不稳定性，为电网调度优化求解带来困难。在极端天气致灾过程中，需要进行精确的风险演化的感知与评估，准确挖掘电网运行的薄弱环节。
[0003]而目前电网风险评估与薄弱环节识别方法主要基于电网实时潮流与风险指标计算，计算耗时过长，效率较低，无法满足受灾风险评估的实时性要求。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够保证电网薄弱线路识别效率的电网薄弱线路识别模型构建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种电网薄弱线路识别模型构建方法。所述方法包括：
[0006]通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；
[0007]对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息；
[0008]基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；
[0009]基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。
[0010]在其中一个实施例中，所述对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息包括：
[0011]基于所述电网图数据的拓扑信息和属性特征信息，确定所述电网图数据中线路与相邻信息节点的注意力系数；
[0012]基于所述注意力系数进行电网图数据的节点信息聚合处理，得到所述电网图数据的多头注意力信息。
[0013]在其中一个实施例中，所述方法还包括：
[0014]在所述初始智能体模型的训练过程中，通过反向传播优化器对所述电网薄弱线路识别模型进行节点特征筛选与优化。
[0015]在其中一个实施例中，所述方法还包括：
[0016]获取历史运行断面数据；
[0017]基于所述历史运行断面数据进行仿真模拟，得到所述历史运行断面数据对应的仿真模拟结果；
[0018]基于所述仿真模拟结果，通过生成式对抗网络生成电网运行状态数据样本；
[0019]基于所述电网运行状态数据样本构建所述历史电网运行状态数据的样本集。
[0020]在其中一个实施例中，所述方法还包括：
[0021]获取电网实时运行状态数据；
[0022]将所述电网实时运行状态数据输入所述电网薄弱线路识别模型，确定电网薄弱线路。
[0023]在其中一个实施例中，所述方法还包括：
[0024]确定所述电网薄弱线路在各薄弱度评价指标的指标值；
[0025]通过隶属度原则对所述薄弱度评价指标进行初始赋权处理，得到各薄弱度评价指标的初始权重；
[0026]通过启发式算法对所述初始权重进行自适应调整，得到指标权重；
[0027]基于所述电网薄弱线路在各薄弱度评价指标的指标值以及所述指标权重，确定电网薄弱线路的薄弱度参数。
[0028]第二方面，本申请还提供了一种电网薄弱线路识别模型构建装置。所述装置包括：
[0029]数据构建模块，用于通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；
[0030]聚合分析模块，用于对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息；
[0031]特征识别模块，用于基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；
[0032]模型构建模块，用于基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。
[0033]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0034]通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；
[0035]对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息；
[0036]基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；
[0037]基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。
[0038]第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：
[0039]通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；
[0040]对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注
意力信息；
[0041]基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；
[0042]基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。
[0043]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0044]通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；
[0045]对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息；
[0046]基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；
[0047]基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。
[0048]上述电网薄弱线路识别模型构建方法、装置、计算机设备、存储介质和计算机程序产品，其中方法通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；并对电网图数据进行多头注意力信息聚合分析，得到电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网薄弱线路识别模型构建方法，其特征在于，所述方法包括：通过图表示方法建立基于历史电网运行状态数据与历史拓扑信息的电网图数据；对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息；基于所述电网图数据和所述多头注意力信息进行关键运行特征识别，确定电网运行关键特征；基于所述电网图数据和所述电网运行关键特征对初始智能体模型进行训练，得到电网薄弱线路识别模型，所述初始智能体模型的损失函数由带权重系数的交叉熵函数构建，所述权重系数基于存在历史风险或故障事件的线路进行设置。2.根据权利要求1所述的方法，其特征在于，所述对所述电网图数据进行多头注意力信息聚合分析，得到所述电网图数据的多头注意力信息包括：基于所述电网图数据的拓扑信息和属性特征信息，确定所述电网图数据中线路与相邻信息节点的注意力系数；基于所述注意力系数进行电网图数据的节点信息聚合处理，得到所述电网图数据的多头注意力信息。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述初始智能体模型的训练过程中，通过反向传播优化器对所述电网薄弱线路识别模型进行节点特征筛选与优化。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于历史电网运行状态数据与目标场景进行仿真模拟，得到仿真模拟结果；基于所述仿真模拟结果，通过生成式对抗网络生成电网运行状态数据样本；基于所述电网运行状态数据样本和历史电网运行状态数据，构建所述历史电网运行状态数据的样本集。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取电网实时运行状态数据；将所述电网实时运行状态数据输入所述电网薄弱线...

【专利技术属性】
技术研发人员：詹厚剑，梁振成，卓毅鑫，李凌，胡甲秋，唐健，黄馗，蒙文川，饶志，孙思扬，黎立丰，李爽，余涛，黄展鸿，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：