一种新能源场站关键线路辨识方法、系统、设备及介质技术方案

本发明专利技术公开一种新能源场站关键线路辨识方法、系统、设备及介质，涉及电网关键线路辨识领域；该方法包括：获取目标电网的运行数据；基于电网拓扑图，根据运行数据确定目标电网图数据；将目标电网图数据输入至电网关键线路辨识模型中，得到目标电网中新能源场站的关键线路；其中，电网关键线路辨识模型，包括：图自注意力网络和训练后的分类器；图自注意力网络用于对目标电网图数据进行特征提取以及自注意力机制计算，得到目标特征数据；训练后的分类器用于对目标特征数据进行分类，输出目标电网中新能源场站的关键线路；本发明专利技术能够提高关键线路辨识速度。线路辨识速度。线路辨识速度。

【技术实现步骤摘要】
一种新能源场站关键线路辨识方法、系统、设备及介质


[0001]本专利技术涉及电网关键线路辨识领域，特别是涉及一种新能源场站关键线路辨识方法、系统、设备及介质。

技术介绍

[0002]大规模互联电网在极大提高社会效益和资源分配合理性的同时，其安全问题日益凸出，电网关键线路是指在整个电力系统中，其被破坏或失效将对系统的安全、可靠性和稳定性产生重大影响的线路。这些线路的损失或破坏可能导致电力系统的崩溃或停运，或者导致电力质量的下降、电网容量的降低等问题。因此，准确识别关键线路，对电网安全控制有重要意义。
[0003]随着以深度学习技术为代表的新一代人工智能技术的崛起，机器学习和人工智能技术在电力系统中得到了广泛应用。这些技术可以通过对历史数据和实时监测数据的分析，建立关键线路的辨识模型。这些模型可以基于电力系统的运行状态、潮流特征和异常行为等进行训练，以识别和预测关键线路的状态和可靠性，提高关键线路的在线辨识速度，那么，如何进行关键线路的辨别，在实际应用中至关重要。

技术实现思路

[0004]本专利技术的目的是提供一种新能源场站关键线路辨识方法、系统、设备及介质，以提高关键线路辨识速度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种新能源场站关键线路辨识方法，所述方法包括：
[0007]获取目标电网的运行数据；
[0008]基于电网拓扑图，根据所述运行数据确定目标电网图数据；
[0009]将所述目标电网图数据输入至电网关键线路辨识模型中，得到所述目标电网中新能源场站的关键线路；
[0010]其中，所述电网关键线路辨识模型，包括：图自注意力网络和训练后的分类器；
[0011]所述图自注意力网络用于对所述目标电网图数据进行特征提取以及自注意力机制计算，得到目标特征数据；
[0012]训练后的分类器用于对目标特征数据进行分类，输出所述目标电网中新能源场站的关键线路。
[0013]可选地，所述电网关键线路辨识模型的确定方法，具体包括：
[0014]获取所述目标电网的训练数据；所述训练数据包括：已知关键线路的运行数据；
[0015]基于电网拓扑图，根据所述训练数据中的运行数据确定训练电网图数据；
[0016]将所述训练电网图数据按照设定比例划分为训练集和测试集；
[0017]构建电网关键线路辨识网络；所述电网关键线路辨识网络，包括：依次连接的图自注意力网络和分类器；
[0018]将所述训练集输入所述电网关键线路辨识网络中的图自注意力网络进行特征提取，并进行自注意力机制计算，得到训练特征数据；
[0019]将所述训练特征数据和对应的关键线路作为所述分类器的输入，对所述训练特征数据进行分类处理，并以分类损失函数最小为目标对所述分类器的参数进行训练，得到训练好的分类器；所述参数包括：关键线路概率值；
[0020]将所述测试集和对应的关键线路作为训练好的分类器的输入，对训练好的分类器的参数进行调整，得到训练后的分类器；
[0021]所述电网关键线路辨识模型，包括：所述图自注意力网络和训练后的分类器。
[0022]可选地，将所述训练集输入所述电网关键线路辨识网络中的图自注意力网络进行特征提取，并进行自注意力机制计算，得到训练特征数据，具体包括：
[0023]将所述训练电网图数据输入至所述图自注意力网络，对所述训练电网图数据中的各个节点对之间的向量进行乘积计算，得到各个节点对之间的计算结果；
[0024]对任一节点对，根据所述计算结果确定特征相似度；
[0025]对任一节点对，根据所述特征相似度确定注意力权重；
[0026]将多个所述注意力权重进行对应位置的累加堆叠，得到多个节点的特征数据；
[0027]根据所有节点的特征数据确定训练特征数据。
[0028]可选地，获取所述目标电网的训练数据，具体包括：
[0029]获取目标电网的历史运行数据；
[0030]构建电网仿真模型；所述电网仿真模型是通过根据不同的运行场景，对场站接入的电网中的线路进行批量故障仿真得到的物理模型；
[0031]将所述历史运行数据输入至所述电网仿真模型中，进行仿真评估运算，得到故障仿真计算结果；
[0032]构建线路重要度评估模型；所述线路重要度评估模型是基于场站临界短路比、网络凝聚度和线路故障造成的失负荷量构建的场站短路比评估的物理模型；
[0033]将所述故障仿真计算结果输入至所述线路重要度评估模型，得到线路重要度值；
[0034]根据所述线路重要度值进行排序，得到设定条数的关键线路；
[0035]将所述关键线路和所述历史运行数据确定为所述目标电网的训练数据。
[0036]可选地，所述线路重要度评估模型的表达式为：
[0037]R(i)＝M(i)B(i)G(i)；
[0038]其中，R(i)为线路i的重要度值；M(i)为线路i的场站临界短路比；B(i)为线路i故障造成的失负荷量；G(i)为线路i的网络凝聚度。
[0039]可选地，所述分类损失函数采用的是交叉熵损失函数；所述交叉熵损失函数的表达式为：
[0040][0041]其中，a
i
为关键线路的类别；为关键线路概率值；F
loss
为交叉熵损失函数；N为线路的数量；i为线路标号。
[0042]一种新能源场站关键线路辨识系统，所述系统包括：
[0043]数据获取模块，用于获取目标电网的运行数据；
[0044]目标电网图数据确定模块，用于基于电网拓扑图，根据所述运行数据确定目标电网图数据；
[0045]确定模块，用于将所述目标电网图数据输入至电网关键线路辨识模型中，得到所述目标电网的关键线路；
[0046]其中，所述电网关键线路辨识模型，包括：图自注意力网络和训练后的分类器；
[0047]所述图自注意力网络用于对所述目标电网图数据进行特征提取以及自注意力机制计算，得到目标特征数据；
[0048]训练后的分类器用于对目标特征数据进行分类，输出所述目标电网中新能源场站的关键线路。
[0049]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的新能源场站关键线路辨识方法。
[0050]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的新能源场站关键线路辨识方法。
[0051]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0052]本专利技术提供了一种新能源场站关键线路辨识方法、系统、设备及介质，首先获取目标电网的运行数据；基于电网拓扑图，根据运行数据确定目标电网图数据；将目标电网图数据输入至电网关键线路辨识模型中，得到目标电网中新能源场站的关键线路；其中，电网关键线路辨识模型，包括：图自注意力网络和训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源场站关键线路辨识方法，其特征在于，所述方法包括：获取目标电网的运行数据；基于电网拓扑图，根据所述运行数据确定目标电网图数据；将所述目标电网图数据输入至电网关键线路辨识模型中，得到所述目标电网中新能源场站的关键线路；其中，所述电网关键线路辨识模型，包括：图自注意力网络和训练后的分类器；所述图自注意力网络用于对所述目标电网图数据进行特征提取以及自注意力机制计算，得到目标特征数据；训练后的分类器用于对目标特征数据进行分类，输出所述目标电网中新能源场站的关键线路。2.根据权利要求1所述的新能源场站关键线路辨识方法，其特征在于，所述电网关键线路辨识模型的确定方法，具体包括：获取所述目标电网的训练数据；所述训练数据包括：已知关键线路的运行数据；基于电网拓扑图，根据所述训练数据中的运行数据确定训练电网图数据；将所述训练电网图数据按照设定比例划分为训练集和测试集；构建电网关键线路辨识网络；所述电网关键线路辨识网络，包括：依次连接的图自注意力网络和分类器；将所述训练集输入所述电网关键线路辨识网络中的图自注意力网络进行特征提取，并进行自注意力机制计算，得到训练特征数据；将所述训练特征数据和对应的关键线路作为所述分类器的输入，对所述训练特征数据进行分类处理，并以分类损失函数最小为目标对所述分类器的参数进行训练，得到训练好的分类器；所述参数包括：关键线路概率值；将所述测试集和对应的关键线路作为训练好的分类器的输入，对训练好的分类器的参数进行调整，得到训练后的分类器；所述电网关键线路辨识模型，包括：所述图自注意力网络和训练后的分类器。3.根据权利要求2所述的新能源场站关键线路辨识方法，其特征在于，将所述训练集输入所述电网关键线路辨识网络中的图自注意力网络进行特征提取，并进行自注意力机制计算，得到训练特征数据，具体包括：将所述训练电网图数据输入至所述图自注意力网络，对所述训练电网图数据中的各个节点对之间的向量进行乘积计算，得到各个节点对之间的计算结果；对任一节点对，根据所述计算结果确定特征相似度；对任一节点对，根据所述特征相似度确定注意力权重；将多个所述注意力权重进行对应位置的累加堆叠，得到多个节点的特征数据；根据所有节点的特征数据确定训练特征数据。4.根据权利要求2所述的新能源场站关键线路辨识方法，其特征在于，获取所述目标电网的训练数据，具体包括：获取目标电网的历史运...

【专利技术属性】
技术研发人员：郑惠萍，刘新元，程雪婷，暴悦爽，邹鹏，芦晓辉，王锬，皮军，李蒙赞，陈丹阳，段伟文，
申请(专利权)人：国网山西省电力公司电力科学研究院，
类型：发明
国别省市：