【技术实现步骤摘要】
本专利技术涉及台区配网领域，尤其涉及一种基于时空图神经网络的台区配网数据感知方法及系统。
技术介绍
1、在台区配网新能源消纳的运行控制中，得到系统中各节点准确的电压功率等信息是台区新能源消纳运行控制算法的基础。由于通信噪声、环境噪声、参数误差等因素的影响，以及某些点未安装量测装置等因素，直接量测得到的数据常常不能完全满足控制要求。
2、配网数据感知可以根据系统的各种量测信息，采样状态估等方法计算出系统当前的运行状态数据。状态估计在电力系统运行和新能源消纳的运行控制中起着至关重要的作用。配电网中状态估计的目标是根据配电系统量测信息并辅以负荷预测等伪量测数据，采用合适的算法来估计出高精度、完整、可靠的配电系统状态。输入量测数据的数目相对于整个系统较少、数据误差较大为配电网状态估计的特点。以往基于大数据与神经网络的机器学习方法通常只考虑了大量数据的数值特征，通过大量历史数据来训练神经网络模型，这类方法并未考虑到电网的拓扑结构，未将计算点与其他电网节点的连接关系以及计算点关联节点的运行状态等信息构建到神经网络模型中。
>技术实本文档来自技高网...
【技术保护点】
1.一种基于时空图神经网络的台区配网数据感知方法，其特征在于，包括：
2.如权利要求1所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述形成邻接矩阵包括：
3.如权利要求2所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述对邻接矩阵进行归一化包括：
4.如权利要求3所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述构建拉普拉斯矩阵包括：
5.如权利要求4所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述时序图神经网络模型包括1个输入层，1个图卷积层，1个池化层和1个...
【技术特征摘要】
1.一种基于时空图神经网络的台区配网数据感知方法，其特征在于，包括：
2.如权利要求1所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述形成邻接矩阵包括：
3.如权利要求2所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述对邻接矩阵进行归一化包括：
4.如权利要求3所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述构建拉普拉斯矩阵包括：
5.如权利要求4所述的基于时空图神经网络的台区配网数据感知方法，其特征在于，所述时序图神经网络模型包括1个输入层，1个图卷积层，1个池化层和1个输出层；输入层中每个节点的特征包括输入特征和状态估计数据：对应电网节点的节点输入特征包括有功注入功率和无功注入功率；基于各节点输入特征构成特征输入...
【专利技术属性】
技术研发人员：周成，曾锃，吴海，曹子涛，缪巍巍，张瑞，戴申鉴，夏元轶，王辉，滕昌志，潘志成，张明轩，余益团，张震，李世豪，
申请(专利权)人：国网电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。