[发明专利]基于社区和结构洞联合分析的大电网分割方法、存储介质

说明书

本发明提供基于电网社区和结构洞联合分析的大电网分割方法、存储介质，方法包括：依据电网拓扑结构图，得到对应的邻接矩阵A和度矩阵D；依据公式L＝D^‑1A‑I，计算得到随机游走的正则化拉普拉斯矩阵L；依据随机游走的正则化拉普拉斯矩阵L进行迭代学习，获得特征指标矩阵；依据特征指标矩阵的特征值得到结构洞节点。本发明考虑电网社区和结构洞节点之间的拓扑关系，先获取并移除/分配结构洞节点后，获取良构的节点社区，保证电网分割的有效性和准确性。

技术领域

本发明涉及电网信息化领域，具体说的是基于社区和结构洞联合分析的大电网分割方法、存储介质。

背景技术

电能是现代工业文明的基础。随着全球经济实力的发展，对电能的需求越为强烈，接入电网的设备也越多，构建能源互联网已成为电力供应的发展趋势。在大型互联电网的构建的背景下，电网有必要进行分区运行管理，所以对大型电网的合理规划分区变得尤为重要。

传统的电网分区或者基于行政区划或电力企业管理区域，或者基于在电网中发现到的社团结构，对电网进行分割。前者缺乏理论依据，仅依靠工程项目经验。而后者更多地考虑电网设备中的聚集节点。

根据复杂网络分析方法，网络中的关键节点有两类，聚集节点和结构洞节点。聚集节点是社区内的重要节点，即社区的中心节点，而结构洞节点是连接不同社区的重要节点，即如果节点社区p中的节点vi存在属于社区q的邻居，则称节点vi为结构洞节点，如图1所示，圆圈内的两个节点即结构洞节点。传统的基于聚集节点的电网社区分析方法忽略了对结构洞节点的分析，导致难以在电网中发现良构的社区，使得电网中的关键线路发现及电网结构中的关键断面寻找都不够准确，影响了电网分割的有效性。

鉴于社区和结构洞的拓扑属性，社区发现和结构洞发现经常是纠缠在一起的，若能先去除掉结构洞再检测社区，则所发现社区的质量将得以提升。因此，有必要提出一种同时考虑这两种任务的电网分割算法，以更好地检测社区，并提升电网分割的准确度。

发明内容

本发明所要解决的技术问题是：提供一种基于电网社区和结构洞联合分析的大电网分割方法、存储介质，能够更好地检测社区，并提高电网分割的准确度。

为了解决上述技术问题，本发明采用的技术方案为：

基于电网社区和结构洞联合分析的大电网分割方法，包括：

依据电网拓扑结构图，得到对应的邻接矩阵A和度矩阵D；

依据公式L＝D^-1A-I，代入所述邻接矩阵A和度矩阵D计算得到随机游走的正则化拉普拉斯矩阵L，所述I为单位矩阵；

依据所述随机游走的正则化拉普拉斯矩阵L进行迭代学习，获得特征指标矩阵；

依据所述特征指标矩阵的特征值得到结构洞节点。

本发明提供的另一个技术方案为：

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：

依据电网拓扑结构图，得到对应的邻接矩阵A和度矩阵D；

依据公式L＝D^-1A-I，代入所述邻接矩阵A和度矩阵D计算得到随机游走的正则化拉普拉斯矩阵L，所述I为单位矩阵；

依据所述随机游走的正则化拉普拉斯矩阵L进行迭代学习，获得特征指标矩阵；

依据所述特征指标矩阵的特征值得到结构洞节点。