[发明专利]一种基于多任务图神经网络的电网支路参数辨识方法

说明书

本发明公开了一种基于多任务图神经网络的电网支路参数辨识方法，包括如下步骤：步骤S1、从电网调度中心获取所要辨识电网支路参数的历史数据，输出到多任务图神经网络；步骤S2、根据电网支路拓扑结构获取电路节点集合和边集合；步骤S3、根据电路节点集合和边集合构造邻接矩阵A和度矩阵D；步骤S4、利用一阶ChebShev多项式近似拟合图神经网络卷积核；步骤S5、根据任务目标和任务类型构造全连接神经网络；步骤S6、完成多任务图神经网络的参数权重配置；步骤S7、根据调度中心数据比对结果执行人员调度决策。该方案能够利用海量的多源电网运行数据，考虑电网支路拓扑结构，有效应对实际电网支路数据异常且能精确实现电网支路参数辨识。

技术领域

本发明涉及智能电网技术领域，具体的，涉及一种基于多任务图神经网络的电网支路参数辨识方法。

背景技术

随着我国特高压交直流混联大电网快速发展，电网特性发生了深刻变化，互联大电网安全稳定运行面临巨大压力，对电网调控系统实时分析和动态预警应用提出了更高的要求。作为电网调控实时分析和动态预警应用的基础，电力配电系统支路参数辨识任务一直是电力配电系统调控的一个重要方面，电力配电系统支路参数辨识具有很大的研究价值。

目前，受数据源、测量方法、维护手段、环境等因素影响，在线分析应用使用的电网元件参数与实际参数存在差距，进而引发一些问题：重载同杆双回线路潮流与支路参数不匹配，部分区域或高压输电环网状态估计结果较差甚至错误导致状态估计合格率整体指标显著下降、地区电网潮流合环计算结果与实际结果相差较远等。

电网元件参数对调控系统在线分析应用影响较大的主要是电网支路参数。就输电线路而言，输电线路参数存在较大的不确定性，电网支路参数偏差势必导致在线分析计算程序的误差，特别是电网关键参数漂移会严重降低在线应用在局部区域的计算精度，影响电网分析结论和调度辅助决策的可信度。电网支路参数偏差主要来源于以下四个方面：(1)直接采用设计值代替实测值；(2)电网支路参数受环境等因素影响存在较大波动；(3)电网支路参数离线测量方法存在较大的局限性；(4)不同部门对于电网支路参数的使用维护方式不同。基于以上四个方面造成了电网支路参数辨识偏差。

目前，实际电网调控系统中电网支路参数辨识方法多采用传统的基于单端面实时监测采集数据的估计法和基于相量量测数据的辨识技术。

最小二乘法是参数辨识理论中最常用的方法，它是在测量点数大于待定参数的个数时，能得到一个误差平方和为最小的一种算法。辨识的过程如图1所示，X是输入向量，Y是量测向量，ω是量测噪声，Z是输出向量，θ是模型参数向量。该算法利用待测系统动态过程提供的输入输出数据，不断调整模型结果和参数，使模型结果尽量接近实验结果。

设非线性量测方程为y_i＝f_i(b),其中b＝(b₁,b₂,…,b_n)^T,i＝1,2,…,m。最小二乘法就是要求函数y_i＝f_i(b)中的参数b在最小二乘意义下的最佳估计值，也就是求出使目标函数:

为最小值时的参数b＝(b₁,b₂,…,b_n)^T。而Q取最小值的充要条件为实际测量中许多因素都会产生随机误差信号，而最小二乘估计是基于最小估计方差的一种算法，在实际项目中，因为最小二乘法的简单性和易用性，所以在电网参数辨识的过程中多采用最小二乘法。