【技术实现步骤摘要】
本专利技术涉及电力数据分析，具体涉及一种基于transformer的电力潮流矩阵缺失值补全方法及装置。
技术介绍
1、电力潮流断面，也称为断面潮流或输电断面，是指在较大的电网中，由几条线路或变压器组成的一组通道，这些通道负责从一个区域或电气距离相近的几个节点向另一个区域或电气距离相近的几个节点输送电能。
2、电力潮流断面的概念对于电力系统的规划、运行和安全至关重要，因其涉及到电力的输送能力和电网的稳定性。通过对潮流断面的分析，可以识别电网中的瓶颈，评估电网的可用输电能力(atc)，并采取相应的措施来优化电力流和提高系统的运行效率。然而在实际运行过程中，每次电力潮流断面的刷新几乎都会有部分节点的电量数据缺失，无疑会阻碍分析过程，因此对于电力潮流断面缺失值的补充预测显得尤为关键。
技术实现思路
1、为了克服上述缺陷，本专利技术提出了一种基于transformer的电力潮流矩阵缺失值补全方法及装置。
2、第一方面，提供一种基于transformer的电力潮流矩阵缺失值补全方法，所述基于transformer的电力潮流矩阵缺失值补全方法包括：
3、获取各类测量值对应的电力潮流矩阵构成的测量值向量，并将所述各类测量值对应的测量值向量进行首尾拼接，得到各类测量值对应的高维张量；
4、将所述高维张量作为预先训练的transformer模型的输入，得到预先训练的transformer模型输出的指定类测量值对应的测量值向量；
5、将所述指定
6、其中，所述测量值的类型包括下述中的至少一种：有功值、无功值、电压值、电流值。
7、优选的，所述测量值对应的电力潮流矩阵为电网中节点间的测量值构成的矩阵，其中，当两个节点不相邻时，该两个节点间的测量值为0。
8、优选的，所述获取各类测量值对应的电力潮流矩阵构成的测量值向量，包括：
9、步骤a.初始化p＝1，测量值对应的电力潮流矩阵中的第1列向量作为测量值对应的初始向量；
10、步骤b.判断p是否等于n，若是，则将测量值对应的初始向量作为测量值对应的测量值向量，否则，令p＝p+1，并执行步骤c；
11、步骤c.将测量值对应的电力潮流矩阵中的第p列向量与所述测量值对应的初始向量进行首尾拼接，得到新的测量值对应的初始向量后返回步骤b；
12、其中，n为测量值对应的电力潮流矩阵的横向维度或纵向维度。
13、优选的，所述预先训练的transformer模型的训练过程包括：
14、利用各类测量值对应的电力潮流矩阵构成的高维张量的历史数据和指定类测量值对应的电力潮流矩阵的人工补全矩阵的历史数据构建训练数据；
15、利用所述训练数据对初始transformer模型进行训练，得到所述预先训练的transformer模型。
16、进一步的，所述初始transformer模型的编码器包括6个编码器模块，每个编码器模块依次有3层，分别为多头注意力层、线性变换层和规范化层。
17、进一步的，所述多头注意力层的数学模型如下：
18、
19、上式中，attention为多头注意力层的输出向量，q为查询向量，k为键向量，v为值向量，d为多头注意力层的输入向量长度，t为转置符号，softmax为softmax函数；
20、所述线性变换层，用于将多头注意力层的输出向量变换为与输入向量长度相同；
21、所述规范化层，用于对线性变换层的输出向量进行标准化。
22、进一步的，所述利用所述训练数据对初始transformer模型进行训练的过程中，损失函数如下：
23、loss＝lrmse(a,b)+lrmse(a1,b1)
24、上式中，loss为损失值，λ为预设参数，rmse(a,b)为a与b的均方根误差函数，rmse(a1,b1)为a1与b1的均方根误差函数，a为指定类测量值对应的测量值向量实际值，b为指定类测量值对应的测量值向量预测值，a1为指定类测量值对应的测量值向量中的非零部分实际值，b1为指定类测量值对应的测量值向量中的非零部分预测值。
25、进一步的，所述a与b的均方根误差函数rmse(a,b)如下：
26、
27、上式中，len(a)为向量a的长度。
28、优选的，所述将所述指定类测量值对应的测量值向量转换为指定类测量值对应的电力潮流矩阵，包括：
29、步骤d.初始化q＝1；
30、步骤e.将所述指定类测量值对应的测量值向量的前n个元素作为指定类测量值对应的电力潮流矩阵中的第q列向量；
31、步骤f.判断q是否等于n，若是，则输出指定类测量值对应的电力潮流矩阵，否则，令q＝q+1，并返回步骤e；
32、其中，n为测量值对应的电力潮流矩阵的横向维度或纵向维度。
33、第二方面，提供一种基于transformer的电力潮流矩阵缺失值补全装置，所述基于transformer的电力潮流矩阵缺失值补全装置包括：
34、获取模块，用于获取各类测量值对应的电力潮流矩阵构成的测量值向量，并将所述各类测量值对应的测量值向量进行首尾拼接，得到各类测量值对应的高维张量；
35、分析模块，用于将所述高维张量作为预先训练的transformer模型的输入，得到预先训练的transformer模型输出的指定类测量值对应的测量值向量；
36、转换模块，用于将所述指定类测量值对应的测量值向量转换为指定类测量值对应的电力潮流矩阵；
37、其中，所述测量值的类型包括下述中的至少一种：有功值、无功值、电压值、电流值。
38、本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：
39、本专利技术提供了一种基于transformer的电力潮流矩阵缺失值补全方法及装置，包括：获取各类测量值对应的电力潮流矩阵构成的测量值向量，并将所述各类测量值对应的测量值向量进行首尾拼接，得到各类测量值对应的高维张量；将所述高维张量作为预先训练的transformer模型的输入，得到预先训练的transformer模型输出的指定类测量值对应的测量值向量；将所述指定类测量值对应的测量值向量转换为指定类测量值对应的电力潮流矩阵；其中，所述测量值的类型包括下述中的至少一种：有功值、无功值、电压值、电流值。本专利技术提供的技术方案，能够对电网潮流断面的缺失数据进行预测与补全，为电网运行状态的实时感知、电网潮流断面数据质量的提高提供支持。
本文档来自技高网...【技术保护点】
1.一种基于Transformer的电力潮流矩阵缺失值补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述测量值对应的电力潮流矩阵为电网中节点间的测量值构成的矩阵，其中，当两个节点不相邻时，该两个节点间的测量值为0。
3.如权利要求1所述的方法，其特征在于，所述获取各类测量值对应的电力潮流矩阵构成的测量值向量，包括：
4.如权利要求1所述的方法，其特征在于，所述预先训练的Transformer模型的训练过程包括：
5.如权利要求4所述的方法，其特征在于，所述初始Transformer模型的编码器包括6个编码器模块，每个编码器模块依次有3层，分别为多头注意力层、线性变换层和规范化层。
6.如权利要求5所述的方法，其特征在于，所述多头注意力层的数学模型如下：
7.如权利要求4所述的方法，其特征在于，所述利用所述训练数据对初始Transformer模型进行训练的过程中，损失函数如下：
8.如权利要求7所述的方法，其特征在于，所述A与B的均方根误差函数rmse(A,B)如下：
9.如权利要求1所述的方法，其特征在于，所述将所述指定类测量值对应的测量值向量转换为指定类测量值对应的电力潮流矩阵，包括：
10.一种基于权利要求1-9任一项所述的基于Transformer的电力潮流矩阵缺失值补全方法的装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种基于transformer的电力潮流矩阵缺失值补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述测量值对应的电力潮流矩阵为电网中节点间的测量值构成的矩阵，其中，当两个节点不相邻时，该两个节点间的测量值为0。
3.如权利要求1所述的方法，其特征在于，所述获取各类测量值对应的电力潮流矩阵构成的测量值向量，包括：
4.如权利要求1所述的方法，其特征在于，所述预先训练的transformer模型的训练过程包括：
5.如权利要求4所述的方法，其特征在于，所述初始transformer模型的编码器包括6个编码器模块，每个编码器模块依次有3层，分别为多头注...
【专利技术属性】
技术研发人员：宋金伟，陈翔，闫越，张世泽，何琪，刘珊珊，江鹏，李燕溪，王春梅，李晓燕，
申请(专利权)人：国家电网有限公司大数据中心，
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。