[发明专利]基于图小波神经网络的低压配电网台区拓扑识别方法

说明书

本发明属于电力拓扑大数据分析领域，尤其涉及基于图小波神经网络的低压配电网台区拓扑识别方法。包括以下步骤：S1：低压配电网台区拓扑异常识别问题建模；S2：构建图小波神经网络；该图小波神经网络由输入层、L层图卷积层和输出层组成，其以编码图局部拓扑结构信息的邻接矩阵A和编码用户用电特征数据的顶点特征矩阵X为输入，输出顶点类别标签预测矩阵；S3：输入电力用户数据，输出拓扑异常用户。本方法能充分利用低压配电网台区拓扑结构和不同用户用电特征数据，实现台区异常户变关系识别，利用卷积定理与热核函数定义图小波变换及其逆变换基底，它们的局部性和稀疏性，保证了网络具有良好的分类性能和效率，从而实现精确台区拓扑识别。

技术领域

本发明属于电力拓扑大数据分析领域，尤其涉及基于图小波神经网络的低压配电网台区拓扑识别方法。

背景技术

随着城镇化进程快速推进，城市低压配电网络前期规划不完善、实施不到位、更新不及时等造成的台区拓扑网络不完整、不准确的问题愈发严重。主要表现有：(1)部分台区网络未按照规划铺设，没有记录准确的网络拓扑信息；(2)部分用户为方便快捷用电，私自走线，可能出现同一用户拥有两条不同台区的入户线，进而导致其实际用电量和分支总表记录的用电量存在出入；(3)用户数目不断增加或减少，但是用户档案信息却没有同步更新。上述问题不仅阻碍电网智能化管理、配电精细化营销，还可能给电力抢修人员带来极大的人身安全隐患。因此，有必要开展城市低压配电网台区拓扑关系异常识别的研究。

目前，城市低压配电网台区拓扑结构核校主要依靠人工排查，不但耗时耗力，而且准确率较低。因此，亟需一种高效、准确的台区拓扑结构异常识别方法。伴随电力物联网建设地快速推进，城市低压配电网大规模配备了智能终端和传感器，可快速、实时采集电压、电流和功率等数据，为研究设计城市低压配电网台区拓扑结构异常识别方法奠定基础。通常，配电网中电气距离较近的负荷电压或电流曲线波动比较相似。基于这一观察，研究者提出了许多拓扑结构识异常别方法如离群点检测、皮尔逊相关系数法、灰色关联分析法和逻辑回归模型等。这些研究方法仅从不同用户的电气特征数据相关性分析入手，忽视了变压器和不同用户间的拓扑结构，具有识别准确率低、依赖相关性阈值设定等问题。

发明内容

针对现有技术存在的问题，本发明提供了一种易于实现、识别准确率高的基于图小波神经网络的低压配电网台区拓扑识别方法。

本发明是这样实现的，基于图小波神经网络的低压配电网台区拓扑识别方法，包括以下步骤：S1：低压配电网台区拓扑异常识别问题建模；S2：构建图小波神经网络；该图小波神经网络由输入层、L层图卷积层和输出层组成，其以编码图局部拓扑结构信息的邻接矩阵A和编码用户用电特征数据的顶点特征矩阵X为输入，输出顶点类别标签预测矩阵；S3：输入电力用户数据，输出拓扑异常用户。

所述的S1：低压配电网台区拓扑异常识别问题建模是指：城市低压配电网台区拓扑异常识别问题可形式化描述为：给定一个无向带权图G＝(V,E,A)及其顶点属性矩阵X，已知G中包括v₀在内的部分顶点具有标签y∈{0,1}²,推断每个无标签顶点v∈V_U的标签y∈{0,1}²,并输出所有与v₀类别标签不同的顶点，即异常供电用户。

城市配电网通常以辐射状为主进行架设，低压台区从配电变压器的低压侧出线端开始，经由分支箱和光力柜，终于各个用户接入点。图1展示了一个典型的城市低压配电网台区拓扑结构：配电变压器的出线端和分支箱的入线端相连，后者的出线端和用户电表箱的进线端相连。低压配电网台区拓扑识别就是指辨识配电变压器到用户表箱的供电关系。一般地说，变压器、供电用户以及两者之间的供电关系可用图建模表示。如图2所示，变压器和用户均用顶点表示，供电关系可用连接边表示。则低压配电台区拓扑异常识别问题可抽象为一个图顶点二分类问题：用户顶点是否与所属低压台区变压器顶点同属一个类别。若是，则拓扑结构正常，否则异常。