基于图注意力网络的配电台区拓扑结构感知方法及系统技术方案

本发明专利技术公开了基于图注意力网络的配电台区拓扑结构感知方法及系统，涉及电力系统与智能电网技术的技术领域，包括根据SCADA系统获取电力系统的相关电气量的历史数据以及系统的拓扑结果，基于收集的数据构建训练样本集；选取不同运行状态下的相关数据进行提取，构建图表示方式；构建图注意力网络模型，使用注意力机制进行加权聚合，对模型进行训练；通过图注意力网络模型识别异常状态以及攻击行为。本发明专利技术通过结合图注意力网络与实时数据分析，实现了对配电台区拓扑结构的高准确性感知，能够及时、敏感地识别异常或攻击，提供有针对性的分级处理策略，既增强了电力系统的防御能力，全面保障了电力系统的稳定和安全运行。

【技术实现步骤摘要】

本专利技术涉及电力系统与智能电网技术的，具体为基于图注意力网络的配电台区拓扑结构感知方法及系统。

技术介绍

1、随着现代化城市的发展，电力系统在日常运行中扮演着至关重要的角色。确保电力系统的稳定运行、识别异常状态和提前预防可能的攻击行为成为了当前电力行业面临的重要挑战。传统的电力系统主要依赖手动操作和经验判断，难以应对复杂且动态变化的系统环境。特别是在配电台区，系统的拓扑结构复杂，故障或攻击可能会导致大面积的电力中断，给社会经济带来巨大的损失。

2、近年来，随着信息技术的发展，如scada系统已被广泛应用于电力系统中，实时收集系统的各种运行数据。然而，如何从海量的数据中有效地提取有用的特征，并据此进行异常检测和攻击识别仍然是一个具有挑战性的问题。

3、为解决上述问题，学者们开始研究如何利用机器学习和深度学习技术进行电力系统的数据分析和异常检测。其中，图神经网络由于其能够直接在图结构数据上进行操作的特点，成为了这一领域的热点。但传统的图神经网络往往忽视了节点之间的动态关系，导致在电力系统的拓扑结构感知上仍然存在局限性。

4本文档来自技高网...

【技术保护点】

1.基于图注意力网络的配电台区拓扑结构感知方法，其特征在于，包括：

2.如权利要求1所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述构建图表示方式包括，用图表示法G(X，A)描述电力网络，其中X表示提取的电气量的信息矩阵，A表示电力网络中不同节点之间的拓扑结果的邻接矩阵，将X与A进行聚合，形成特征矩阵G。

3.如权利要求2所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述构建图注意力网络模型包括，初始化图注意力网络，确定网络的层数，每层的节点特征数量，图注意力网络的任意单层的输入都是一个节点包含的所有特征向量的集合，表示为，...

【技术特征摘要】

1.基于图注意力网络的配电台区拓扑结构感知方法，其特征在于，包括：

2.如权利要求1所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述构建图表示方式包括，用图表示法g(x，a)描述电力网络，其中x表示提取的电气量的信息矩阵，a表示电力网络中不同节点之间的拓扑结果的邻接矩阵，将x与a进行聚合，形成特征矩阵g。

3.如权利要求2所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述构建图注意力网络模型包括，初始化图注意力网络，确定网络的层数，每层的节点特征数量，图注意力网络的任意单层的输入都是一个节点包含的所有特征向量的集合，表示为，

4.如权利要求3所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述使用注意力机制进行加权聚合包括，引入注意力机制，所述注意力机制表示为，

5.如权利要求4所述的基于图注意力网络的配电台区拓扑结构感知方法，其特征在于：所述使用注意力机制进行加权聚合还包括，引入多头注意力机制，所述多头注意力机制包括拼接和取平均，表示为，

6.如权利要求5所述的基于图注意力网络的配电台区拓扑结构感知方...

【专利技术属性】
技术研发人员：张兆丰，张裕，李震，陈露东，罗宁，王斌，朱永清，陈巨龙，严雯，杨婕睿，李阳，罗靖，邹瑞睿，林秋桦，张鹏城，贺墨琳，陈谦，余一平，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：