【技术实现步骤摘要】
本专利技术属于配电网，具体涉及一种拓扑结构信息引导的配电网量测数据补全方法、系统及介质。
技术介绍
1、随着分布式可再生能源大量接入配电网，配电网的结构将更加复杂且多变，当前配电系统智能化程度不断提高，进行准确快速的运行状态感知对于系统的稳定运行至关重要，然而在系统实际运行中，受限于各种因素（例如经济成本、设备故障、通信故障等），可能会造成配电网中的部分实时量测数据的缺失，这给系统的运行和监控带来了一定的潜在风险。因此研究一种能在拓扑结构复杂多变的情况下准确补全配电网缺失量测数据的方法尤为关键。
2、已有研究的配电网量测数据缺失补全技术主要有传统方法和人工智能方法，传统的量测数据缺失补全方法主要依靠插值技术等数学统计方法，但在应对当前拓扑结构复杂多变的配电网产生的高复杂度和高表征难度的量测数据时存在一定的局限性，导致补全难度大且精度低。而目前人工智能方法主要包括机器学习方法和深度学习方法，机器学习方法例如决策树、贝叶斯网络等，该方法要求有一定的先验知识，同时对训练数据和特征工程的依赖性强，这导致模型对高维复杂的量测数据表征难度大。基于深度学习的方法，优势在于其自适应能力和依靠数据驱动，对物理数学模型的依赖性低。目前常用的深度学习方法主要集中在使用了生成对抗网络，但是生成对抗网络在训练过程中涉及生成器和判别器的博弈，很容易面临震荡和崩溃的问题，并且在生成数据时主要关注如何生成逼真的数据，在应对复杂多变的拓扑结构情况下，没有拓扑结构信息的引导，其生成的结果可能难以控制。
3、专利技术目的
4、本专
5、为了实现上述目的，本专利技术有如下的技术方案：
6、第一方面，提供一种拓扑结构信息引导的配电网量测数据补全方法，包括：
7、获取不同拓扑结构集合下的不完全历史量测数据，建立量测数据集；
8、基于全连接神经网络组建分别用于不同量测数据缺失补全的多个条件自编码器模型；
9、设计每个条件自编码器模型的损失函数，并通过量测数据集对多个条件自编码器模型进行联合训练，多次调整超参数得到拓扑结构信息引导的配电网量测数据补全模型；
10、在所述拓扑结构信息引导的配电网量测数据补全模型中输入不完全量测数据以及相应的拓扑结构，由拓扑结构信息引导的配电网量测数据补全模型输出完整的量测数据。
11、作为一种优选的方案，所述获取不同拓扑结构集合下的不完全历史量测数据，建立量测数据集的步骤包括：
12、采用仿真软件工具，通过改变拓扑结构分别进行潮流计算，仿真获取不同拓扑结构集合下的完整历史量测数据，并记录对应的拓扑结构信息；
13、将不同拓扑结构集合下的完整历史量测数据，通过引入一个与样本维度一致的二值掩码矩阵计算样本与二值掩码矩阵之间的哈达玛积来描述量测数据的缺失情况，并叠加高斯分布噪声，从而获得与实际情况相符的不完全历史量测数据。
14、作为一种优选的方案，所述采用仿真软件工具，通过改变拓扑结构分别进行潮流计算，仿真获取不同拓扑结构集合下的完整历史量测数据，并记录对应的拓扑结构信息时，对风、光、荷进行不确定性建模，在不确定性建模过程中，风电服从威布尔分布、光照服从beta分布、负荷服从正态分布。
15、作为一种优选的方案，所述自编码器模型由全连接神经网络组成的编码器和解码器构成；编码器的输入层接收缺失实时量测数据和相应的拓扑结构信息，拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量；解码器的输入层用于接收潜在变量，潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据。
16、作为一种优选的方案，所述拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量的步骤包括：
17、引入一个潜在空间，按下式通过编码器将输入的量测数据映射到潜在空间，使得潜在空间中的向量包含输入数据的特征，得到量测数据的潜在变量：
18、
19、式中，为编码器的输出向量，即不完全量测数据的编码表示；为编码器的可训练权重参数；为编码器的偏置；上述参数由优化器进行更新迭代；为激活函数；
20、将拓扑结构信息作为条件信息嵌入自编码器模型中，使用嵌入层将拓扑结构信息映射为潜在空间的向量，维度与输入特征的维度保持一致，得到拓扑结构信息的潜在变量：
21、
22、式中，表示拓扑结构信息经嵌入层编码后的向量；input_dim表示拓扑结构信息的标签数量，体现拓扑结构的种类数；output_dim表示潜在空间的维度，即嵌入后的向量的长度，嵌入后的向量的长度与编码器的输出向量的向量长度保持一致；embedding表示嵌入层的操作，用于将每个拓扑结构信息映射为一个长度为output_dim的向量；
23、将量测数据的潜在变量与拓扑结构信息的潜在变量进行联合编码，形成整体的潜在变量，联合编码通过下式进行表示：
24、
25、式中，表示在潜在空间中实时量测数据与拓扑结构信息的联合编码向量；表示向量的拼接操作。
26、作为一种优选的方案，所述潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据的步骤中，将生成的联合编码向量输入到解码器中，按下式通过解码器生成量测数据的缺失重构值：
27、
28、式中，为解码器的输出向量，即重构值；为解码器的可训练权重参数；为解码器的偏置。
29、作为一种优选的方案，所述设计每个条件自编码器模型的损失函数，并通过量测数据集对多个条件自编码器模型进行联合训练的步骤中，不同条件自编码器模型分别处理不同量测数据的缺失补全，当初始化自编码器模型的网络参数后，采用反向传播算法对网络参数进行训练更新；
30、所述量测数据包括节点电压、节点注入有功以及节点注入无功，对节点电压、节点注入有功、节点注入无功条件自编码器模型定义相应的损失函数分别如下：
31、
32、
33、
34、式中，、、分别为对节点电压、节点注入有功、节点注入无功进行补全时的均方误差mse值；为样本数；、、为样本的节点电压、节点注入有功以及节点注入无功的真实值；、、为样本的节点电压、节点注入有功以及节点注入无功的补全值；
35、根据所设计的单个条件自编码器模型的损失函数，得出模型总损失函数的计算表达式为：
36、
37、式中，、、分别为节点电压、节点注入有功以及节点注入无功条件自编码器模型的权重，由训练过程根据量测数据的补全难度进行自适应确定；采用所设计的模型总损失函数分别作为所述拓扑结构信息引导的本文档来自技高网...
【技术保护点】
1.一种拓扑结构信息引导的配电网量测数据补全方法，其特征在于，包括：
2.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述获取不同拓扑结构集合下的不完全历史量测数据，建立量测数据集的步骤包括：
3.根据权利要求2所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述采用仿真软件工具，通过改变拓扑结构分别进行潮流计算，仿真获取不同拓扑结构集合下的完整历史量测数据，并记录对应的拓扑结构信息时，对风、光、荷进行不确定性建模，在不确定性建模过程中，风电服从威布尔分布、光照服从Beta分布、负荷服从正态分布。
4.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述自编码器模型由全连接神经网络组成的编码器和解码器构成；编码器的输入层接收缺失实时量测数据和相应的拓扑结构信息，拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量；解码器的输入层用于接收潜在变量，潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据。
5.
6.根据权利要求5所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据的步骤中，将生成的联合编码向量输入到解码器中，按下式通过解码器生成量测数据的缺失重构值：
7.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述设计每个条件自编码器模型的损失函数，并通过量测数据集对多个条件自编码器模型进行联合训练的步骤中，不同条件自编码器模型分别处理不同量测数据的缺失补全，当初始化自编码器模型的网络参数后，采用反向传播算法对网络参数进行训练更新；
8.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述多次调整超参数得到拓扑结构信息引导的配电网量测数据补全模型的步骤中，超参数包括学习率、正则化系数中的一种或多种的组合。
9.一种拓扑结构信息引导的配电网量测数据补全系统，其特征在于，包括：
10.根据权利要求9所述拓扑结构信息引导的配电网量测数据补全系统，其特征在于，所述量测数据集获取模块采用仿真软件工具，通过改变拓扑结构分别进行潮流计算，仿真获取不同拓扑结构集合下的完整历史量测数据，并记录对应的拓扑结构信息；
11.根据权利要求9所述拓扑结构信息引导的配电网量测数据补全系统，其特征在于，所述自编码器模型组建模块组建得到的自编码器模型由全连接神经网络组成的编码器和解码器构成；编码器的输入层接收缺失实时量测数据和相应的拓扑结构信息，拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量；解码器的输入层用于接收潜在变量，潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据。
12.根据权利要求11所述拓扑结构信息引导的配电网量测数据补全系统，其特征在于，所述自编码器模型组建模块将拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量的过程中，引入一个潜在空间，按下式通过编码器将输入的量测数据映射到潜在空间，使得潜在空间中的向量包含输入数据的特征，得到量测数据的潜在变量：
13.根据权利要求9所述拓扑结构信息引导的配电网量测数据补全系统，其特征在于，所述联合训练模块将不同条件自编码器模型分别处理不同量测数据的缺失补全，当初始化自编码器模型的网络参数后，采用反向传播算法对网络参数进行训练更新；
14.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至8中任一项所述拓扑结构信息引导的配电网量测数据补全方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至8中任一项所述拓扑结构信息引导的配电网量测数据补全方法。
...【技术特征摘要】
1.一种拓扑结构信息引导的配电网量测数据补全方法，其特征在于，包括：
2.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述获取不同拓扑结构集合下的不完全历史量测数据，建立量测数据集的步骤包括：
3.根据权利要求2所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述采用仿真软件工具，通过改变拓扑结构分别进行潮流计算，仿真获取不同拓扑结构集合下的完整历史量测数据，并记录对应的拓扑结构信息时，对风、光、荷进行不确定性建模，在不确定性建模过程中，风电服从威布尔分布、光照服从beta分布、负荷服从正态分布。
4.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述自编码器模型由全连接神经网络组成的编码器和解码器构成；编码器的输入层接收缺失实时量测数据和相应的拓扑结构信息，拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量；解码器的输入层用于接收潜在变量，潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据。
5.根据权利要求4所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述拓扑结构信息通过设计一个嵌入层转化为潜在空间的向量作为条件嵌入，将实时量测数据和嵌入后的拓扑结构信息联合编码为潜在变量的步骤包括：
6.根据权利要求5所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述潜在变量通过解码器生成对应拓扑结构下补全的实时量测数据的步骤中，将生成的联合编码向量输入到解码器中，按下式通过解码器生成量测数据的缺失重构值：
7.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述设计每个条件自编码器模型的损失函数，并通过量测数据集对多个条件自编码器模型进行联合训练的步骤中，不同条件自编码器模型分别处理不同量测数据的缺失补全，当初始化自编码器模型的网络参数后，采用反向传播算法对网络参数进行训练更新；
8.根据权利要求1所述拓扑结构信息引导的配电网量测数据补全方法，其特征在于，所述多次调整超参数得到...
【专利技术属性】
技术研发人员：赵紫璇，乔骥，朱红，刘鸿斌，李家腾，任宣宁，
申请(专利权)人：中国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。