基于图彩票假设理论的电网暂态失稳子结构定位方法和系统技术方案

基于图彩票假设理论的电网暂态失稳子结构定位方法和系统，包括：首先本发明专利技术将电网暂态数据处理为带有暂态稳定性标签的图结构数据，引入图卷积神经网络对图的表示特征进行提取。然后通过基于幅值的联合稀疏化方法，实现对电网图中冗余信息的丢弃，并且考虑到稀疏化过程中，元素的重要性会随着模型结构和图结构的动态改变而发生变化的问题，在每次进行进一步稀疏之前，重新考虑被丢弃元素的重要性，并设计对抗互补擦除框架对识别的关键子结构进行修正。本发明专利技术能明确造成电网暂态失稳的原因，为电网暂态失稳的调控提供准确和高效的解决方案。决方案。决方案。

【技术实现步骤摘要】
基于图彩票假设理论的电网暂态失稳子结构定位方法和系统


[0001]本专利技术属于电网暂态失稳子结构定位和图结构学习领域，通过结合电网拓扑结构和各元器件属性将电网数据建模为图结构数据，提出基于图彩票假设理论学习电网暂态图结构中导致暂态失稳的子结构的方法，并设计了一种对抗互补擦除框架提高电网暂态失稳子结构定位的精确性，明确造成电网暂态失稳的原因，为电网暂态失稳的调控提供更准确和高效的解决方案。

技术介绍

[0002]电网的暂态稳定性一般是指正常运行的电力系统在运行过程中受到外部的一些干扰之后，能否达到新的稳定运行状态或恢复到原来运行状态的能力。而当电力系统局部发生严重故障时，会造成电力系统暂态稳定性被破坏，进而产生一系列的连锁反应，如果不能及时采取针对性的安全防控措施，则会导致暂态故障的传递和扩散，危及整个系统的安全运行，引起重大的经济和社会损失。因此对系统进行高效的稳定性判别并精准识别发生故障的子结构，对保障电力系统安全稳定运行至关重要。
[0003]时域仿真方法是对电网暂态稳定性进行评估的一种重要研究手段，它根据系统的拓扑结构对电网进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图彩票假设理论的电网暂态失稳子结构定位方法，包含如下步骤：步骤1.根据电网拓扑结构构建电网图结构数据并修改各项参数的数值，使用时域仿真的结果作为标签，迭代得到电网暂稳数据集；步骤2.使用图卷积神经网络计算电网暂稳数据集中电网图结构数据的节点嵌入矩阵，随后通过读出层对节点嵌入矩阵进行拼接，得到图表示特征；步骤3.构建邻接矩阵掩码和模型权重矩阵掩码分别表示电网暂稳数据集中电网图结构数据的邻接矩阵以及图卷积神经网络的模型权重矩阵中元素的重要性，根据训练后的掩码的幅值大小对邻接矩阵和模型权重矩阵进行稀疏；步骤4.通过对抗互补擦除框架，移除被保留子结构中的干扰性元素，并将被采样出的重要元素添加到被保留子结构；步骤5.反复迭代执行步骤3和步骤4，并在下一次迭代之前将模型权重矩阵重新设置为初始化权重，直至达到所需的稀疏度；步骤6.根据优化后的掩码得到关键子图结构并学习图表示特征，利用图表示特征进行电网暂态稳定性判别任务，对于电网暂态失稳样本，关键子图结构即为导致电网暂态失稳的子结构。2.如权利要求1所述的基于图彩票假设理论的电网暂态失稳子结构定位方法，其特征在于：步骤1具体包括：首先根据电网拓扑结构构建图结构数据，然后修改电网负荷水平、电压值、故障线路等参数得到不同样本，分别进行时域仿真，根据仿真结果获得电网暂态稳定性评估结果，用
‘0’
标记暂态稳定的样本，用
‘1’
标记暂态失稳的样本，并标注哪些电网路径会导致电网暂态失稳，如此迭代多次便可以获得具有暂态稳定性标签的电网暂稳数据集。3.如权利要求1所述的基于图彩票假设理论的电网暂态失稳子结构定位方法，其特征在于：步骤2所述的图表示特征的提取方法是：2.1计算节点嵌入矩阵；电网暂稳数据集中的电网图结构数据可以被定义为s＝(A,X)，其中A表示电网图结构数据中n个节点的邻接矩阵，X表示n个节点的特征矩阵，然后采取图卷积神经网络在电网图结构数据的各节点之间进行消息传递：其中，I
n
是单位矩阵，是对角度数矩阵，矩阵的第i个对角元素为的第i个对角元素为表示矩阵的第i行第j列元素,W
(l
‑
1)
表示可训练的模型权重矩阵，σ表示ReLU函数，H
(0)
＝X是节点特征矩阵的初始值，H
(l)
是经过l步计算后的节点嵌入矩阵，若共进行L次计算，则最终生成的节点嵌入矩阵Z＝H
(L)
；2.2利用读出层对2.1中生成的节点嵌入矩阵Z进行计算，得到图表示特征作为分类器的输入，用于电网暂态稳定性判别任务：g＝Readout(A，Z)，(2)其中，g是图表示特征，Readout表示以拼接的方式实现的读出函数。4.如权利要求1所述的基于图彩票假设理论的电网暂态失稳子结构定位方法，其特征在于：步骤3具体包括：首先建立邻接矩阵掩码和模型权重矩阵掩码，分别表示边和模型权重的重要性，然后将模型权重矩阵、邻接矩阵掩码以及模型权重矩阵掩码进行端到端联合
优化训练；训练完毕的邻接矩阵掩码和模型权重矩阵掩码中元素的幅值表示邻接矩阵和模型权重矩阵中元素的重要性，依据预定义的单次稀疏比例，将邻接矩阵掩码和模型权重矩阵掩码中具有较低幅值的元素设为0，得到被保留的邻接矩阵掩码和模型权重矩阵掩码，然后将两个掩码与邻接矩阵和模型权重矩阵相乘，获得被保留的邻接矩阵和模型权重矩阵，实现对两者的稀疏。5.如权利要求4所述的基于图彩票假设理论的电网暂态失稳子结构定位方法，其特征在于：步骤3所述的基于幅值的图稀疏包括：3.1训练邻接矩阵掩码和模型权重矩阵掩码；定义两个可微的掩码m
A
和m
W
分别表示电网暂稳数据集中电网图结构数据的邻接矩阵和图卷积神经网络的模型权重矩阵中的元素的重要性，并对其进行初始化：重要性，并对其进行初始化：其中，W0表示模型权重的初始化矩阵；然后训练邻接矩阵掩码和模型权重矩阵掩码；利用损失函数L
r
实现模型权重W、邻接矩阵掩码m
A
以及模型权重矩阵掩码m
W
的端到端联合优化：L
r
＝L
ce
(f({A
⊙
m
A，
X}，W
⊙
m
W
)，y)+λ1||m
A
||1+λ2||m
W
||1ꢀꢀ
(5)其中，L
ce
是传统的交叉熵分类损失函数，f(
·
)表示分类器的预测结果，y表示真实标签，
⊙
表示按元素乘运算，λ1和λ2分别控制两个l1正则项的比重；3.2基于掩码的幅值进行稀疏；训练完毕的掩码的幅值表示邻接矩阵和模型权重矩阵中元素的重要性，依据预定义的稀疏比例p
A
和p
W
，将m
A
和m
W
中具有较低幅值的元素设为0，得到被保留的邻接矩阵掩码和模型权重矩阵掩码，然后将被保留掩码m
A
...

【专利技术属性】
技术研发人员：宋明黎，汪雨雯，刘顺宇，陈凯旋，李文达，苏运，田英杰，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：