CN112039198B - 基于dane的电网拓扑结构关键特征提取方法和装置 - Google Patents

基于dane的电网拓扑结构关键特征提取方法和装置 Download PDF

Info

Publication number
CN112039198B
CN112039198B CN202010711969.5A CN202010711969A CN112039198B CN 112039198 B CN112039198 B CN 112039198B CN 202010711969 A CN202010711969 A CN 202010711969A CN 112039198 B CN112039198 B CN 112039198B
Authority
CN
China
Prior art keywords
node
matrix
vector
power grid
grid network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010711969.5A
Other languages
English (en)
Other versions
CN112039198A (zh
Inventor
胡伟
顾雨嘉
田蓓
李宏强
张汉花
马坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202010711969.5A priority Critical patent/CN112039198B/zh
Publication of CN112039198A publication Critical patent/CN112039198A/zh
Application granted granted Critical
Publication of CN112039198B publication Critical patent/CN112039198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00004—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the power network being locally controlled
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提出一种基于DANE的电网拓扑结构关键特征提取方法与装置，包括以下步骤：从EMS中获取电网网络的在线运行状态；根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure DDA0002596859350000011
和节点属性嵌入向量
Figure DDA0002596859350000012
利用电网网络拓扑嵌入向量
Figure DDA0002596859350000013
和节点属性嵌入向量
Figure DDA0002596859350000014
计算第一共识嵌入向量Y(t)；根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure DDA0002596859350000015
和节点属性嵌入向量
Figure DDA0002596859350000016
利用电网网络拓扑嵌入向量
Figure DDA0002596859350000017
和电网节点属性嵌入向量
Figure DDA0002596859350000018
计算第二共识嵌入向量Y(t+1)；根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。由此，提高了电网拓扑结构变化时电网特征提取的效率和准确率。

Description

基于DANE的电网拓扑结构关键特征提取方法和装置
技术领域
本申请涉及配电系统技术领域，尤其涉及一种基于DANE的电网拓扑结构关键特征提取方法和装置。
背景技术
随着全国电网联网规模不断扩大和电压等级不断提高，电网互联模式日益复杂，要求电网对自身的运行状态有清晰地感知，并对电网潜在的安全、稳定问题有提前的预判，从而有针对性地做出预防和调整。然而，现有技术在分析电网运行状态时，输入特征的选取的三种思路：采用扰动前的稳态参量作为数据输入；采用系统扰动后的动态变量作为数据输入；采用稳态与动态信息的混合作为数据输入。
上述三种方式在运用过程中，由于原始特征数量会随规模扩大而显著增加，且对网络结构和扰动位置敏感，而电力系统不可避免地会发生一些大的扰动，例如线路的短路接地故障、故障设备切除、发电机、大负荷、重要输变电设备的投切等，往往给网络拓扑结构或者网络参数带来短时大幅度变化，严重影响电力系统的安全、稳定运行。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种基于DANE的电网拓扑结构关键特征提取方法和装置，其目的是提供科学合理的考虑位置信息和电气量信息的电网拓扑结构特征提取方法，提高网络结构和节点属性随时间变化的电网特征提取的通用性和提取效率。
为达到上述目的，本发明实施例提出了一种基于DANE的电网拓扑结构关键特征提取方法，包括以下步骤：
从EMS(Energy Management System，电网调度自动化系统)中获取电网网络的在线运行状态；根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000011
和节点属性嵌入向量
Figure BDA0002596859330000012
利用电网网络拓扑嵌入向量
Figure BDA0002596859330000013
和节点属性嵌入向量
Figure BDA0002596859330000014
计算第一共识嵌入向量Y(t)；根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA0002596859330000015
和节点属性嵌入向量
Figure BDA0002596859330000016
利用电网网络拓扑嵌入向量
Figure BDA0002596859330000017
和电网节点属性嵌入向量
Figure BDA0002596859330000021
计算第二共识嵌入向量Y(t+1)；根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t +1)，获得电网拓扑结构的关键特征。由此，提高了电网拓扑结构变化时电网特征提取的效率和准确率。
另外，根据本发明上述实施例的基于DANE的电网拓扑结构关键特征提取方法，还可以具有如下附加的技术特征：
进一步地，在本发明的一个实施例中，电网网络的拓扑状态转移矩阵A(t)的表达式如下：
Figure BDA0002596859330000022
其中，
Figure BDA0002596859330000023
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure BDA0002596859330000024
表示t时刻电网网络中所有边的集合。
进一步地，在本发明的一个实施例中，节点属性矩阵X(t)，包括：每一个列向量代表t时刻对应节点独立于电网网络拓扑结构的电气量特征，分别为注入节点的总有功功率、注入节点的总无功功率、节点电压幅值、节点电压相角、发电机节点的总有功出力、发电机节点的总无功出力、与节点相连的支路的个数，节点总有功负荷、节点总无功负荷。
进一步地，在本发明的一个实施例中，计算电网网络拓扑嵌入向量
Figure BDA0002596859330000025
和节点属性嵌入向量
Figure BDA0002596859330000026
包括：计算拓扑状态转移矩阵A(t)的对角矩阵
Figure BDA0002596859330000027
其中，
Figure BDA0002596859330000028
的计算公式为：
Figure BDA0002596859330000029
计算拓扑状态转移矩阵A(t)的拉普拉斯矩阵
Figure BDA00025968593300000210
其中，
Figure BDA00025968593300000211
的计算公式为：
Figure BDA00025968593300000212
计算广义特征问题
Figure BDA00025968593300000213
对应的第一特征值0＝λA1≤λA2≤…≤λAn和第一特征向量a1,a2,…,an；
根据第一特征向量a1,a2,…,an，选取从a2开始的前k个第一特征向量得到t时刻电网网络的拓扑嵌入向量
Figure BDA00025968593300000214
其中，
Figure BDA00025968593300000215
的表达式为：
Figure BDA00025968593300000216
对节点属性的特征值进行归一化处理，使所有特征值均被转换到[0,1]之间，获取归一化后节点属性特征值的余弦相似度矩阵W(t)，其中，节点属性特征值的归一化处理的公式为：
Figure BDA00025968593300000217
其中，x是节点属性特征值的原始值，xnorm是归一化后的值，xmax和xmin分别是节点属性特征值中的最大值和最小值；
另外，余弦相似度矩阵W(t)的公式为：
Figure BDA0002596859330000031
求解节点属性的余弦相似度矩阵W(t)对应的第二特征值和第二特征向量，其中第二特征值和第二特征向量的表达式为：
第二特征值0＝λX1≤λX2≤…≤λXn，
第二特征向量b1,b2,…,bn；
根据的第二特征向量b1,b2,…,bn，选取从b2开始的前k个第二特征向量，得到电网网络节点属性的嵌入向量
Figure BDA0002596859330000032
其中，
Figure BDA0002596859330000033
的表达式为：
Figure BDA0002596859330000034
进一步地，在本发明的一个实施例中，利用拓扑嵌入向量
Figure BDA0002596859330000035
和电网节点属性嵌入向量
Figure BDA0002596859330000036
计算第一共识嵌入向量Y(t)，包括：求解广义特征问题对应的特征向量，得到投影向量
Figure BDA0002596859330000037
和
Figure BDA0002596859330000038
使电网网络拓扑嵌入向量
Figure BDA0002596859330000039
和电网网络节点属性嵌入向量
Figure BDA00025968593300000310
的相关性最大化，其中，广义特征问题为：
Figure BDA00025968593300000311
其中，
Figure BDA00025968593300000312
是
Figure BDA00025968593300000313
的转置矩阵，
Figure BDA00025968593300000314
是
Figure BDA00025968593300000315
的转置矩阵；
根据投影向量，计算第一共识嵌入向量Y(t)，Y(t)的计算公式为：
Figure BDA00025968593300000316
进一步地，在本发明的一个实施例中，计算网络拓扑嵌入向量
Figure BDA00025968593300000317
和节点属性嵌入向量
Figure BDA00025968593300000318
包括：获取t+1时刻电网网络的网络拓扑状态转移矩阵A(t)的扰动矩阵ΔA和节点属性矩阵X(t)的扰动矩阵ΔX；
获取t+1时刻电网网络的网络拓扑状态转移矩阵的对角矩阵
Figure BDA00025968593300000319
和状态转移矩阵的拉普拉斯矩阵
Figure BDA00025968593300000320
其中，
Figure BDA00025968593300000321
与
Figure BDA00025968593300000322
的计算公式如下：
Figure BDA00025968593300000323
Figure BDA00025968593300000324
其中，ΔDA与ΔLA根据ΔA与ΔX求得；
根据矩阵扰动理论，求解广义特征特征问题
Figure BDA00025968593300000325
对应第三特征值和第三特征向量，其中，第三特征值和第三特征向量的计算公式为：
第三特征值为0＝(λA1+ΔλA1)≤(λA2+ΔλA2)≤…≤(λAn+ΔλAn)，
第三特征向量为a1+Δa1,a2+Δa2,…,an+Δan，
其中，特征值λAi和特征向量ai是已经计算出t时刻的任一节点的第一特征值和第一特征向量，ΔλAi和Δai为第一特征值的变量和第一特征向量的变量；
根据第三特征向量，得到电网网络拓扑嵌入向量
Figure BDA0002596859330000041
的表达式为：
Figure BDA0002596859330000042
获取t+1时刻电网网络节点属性的余弦相似度矩阵W(t+1)的对角矩阵
Figure BDA0002596859330000043
和拉普拉斯矩阵
Figure BDA0002596859330000044
其中，
Figure BDA0002596859330000045
和
Figure BDA0002596859330000046
的计算公式为：
Figure BDA0002596859330000047
Figure BDA0002596859330000048
求解节点余弦相似度矩阵对应的特征值和特征向量，其中，第四特征值和第四特征向量的表达式为：
第四特征值0＝(λX1+ΔλX1)≤(λX2+ΔλX2)≤…≤(λXn+ΔλXn)，
第四特征向量b1+Δb1,b2+Δb2,…,bn+Δbn，
其中，特征值λAi和特征向量ai是t时刻的任一节点的第二特征值和第二特征向量，ΔλAi和Δai为第二特征值的变量和第二特征向量的变量；
根据第四特征向量，得到电网节点属性嵌入向量
Figure BDA0002596859330000049
的表达式为：
Figure BDA00025968593300000410
进一步地，在本发明的一个实施例中，利用电网网络拓扑嵌入向量
Figure BDA00025968593300000411
和电网节点属性嵌入向量
Figure BDA00025968593300000412
计算第二共识嵌入向量Y(t+1)，包括：
求解广义特征问题的特征向量来得到投影向量
Figure BDA00025968593300000413
和
Figure BDA00025968593300000414
使电网网络拓扑嵌入向量
Figure BDA00025968593300000415
和电网节点属性嵌入向量
Figure BDA00025968593300000416
的相关性最大化，其中广义特征问题为：
Figure BDA00025968593300000417
式中，
Figure BDA00025968593300000418
是
Figure BDA00025968593300000419
的转置矩阵，
Figure BDA00025968593300000420
是
Figure BDA00025968593300000421
的转置矩阵；
计算t+1的第二共识嵌入向量Y(t+1)，其中，Y(t+1)的表达式为：
Figure BDA00025968593300000422
为达到上述目的，本发明第二方面实施例提出了一种基于DANE的电网拓扑结构关键特征提取装置，包括：第一获取模块，用于从EMS中获取电网网络的在线运行状态；第一计算模块，用于根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；第二计算模块，用于根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000051
和节点属性嵌入向量
Figure BDA0002596859330000052
第三计算模块，用于利用电网网络拓扑嵌入向量
Figure BDA0002596859330000053
和节点属性嵌入向量
Figure BDA0002596859330000054
计算第一共识嵌入向量Y(t)；第四计算模块，用于根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA0002596859330000055
和节点属性嵌入向量
Figure BDA0002596859330000056
第五计算模块，用于利用电网网络拓扑嵌入向量
Figure BDA0002596859330000057
和电网节点属性嵌入向量
Figure BDA0002596859330000058
计算第二共识嵌入向量Y(t+1)；第二获取模块，用于根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
本发明实施例的基于DANE的电网拓扑结构关键特征提取装置，通过从EMS中获取电网网络的在线运行状态；根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000059
和节点属性嵌入向量
Figure BDA00025968593300000510
利用电网网络拓扑嵌入向量
Figure BDA00025968593300000511
和节点属性嵌入向量
Figure BDA00025968593300000512
计算第一共识嵌入向量Y(t)；根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA00025968593300000513
和节点属性嵌入向量
Figure BDA00025968593300000514
利用电网网络拓扑嵌入向量
Figure BDA00025968593300000515
和电网节点属性嵌入向量
Figure BDA00025968593300000516
计算第二共识嵌入向量Y(t+1)；根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
另外，根据本发明上述实施例的基于DANE的电网拓扑结构关键特征提取装置，还可以具有如下附加的技术特征：
进一步地，在本发明的一个实施例中，第一计算模块，用到的电网网络的拓扑状态转移矩阵A(t)的表达式如下：
Figure BDA00025968593300000517
其中，
Figure BDA00025968593300000518
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure BDA00025968593300000519
表示t时刻电网网络中所有边的集合。
进一步地，在本发明的一个实施例中，第一计算模块，用到的节点属性矩阵X(t)，包括每一个列向量代表t时刻对应节点独立于电网网络拓扑结构的电气量特征，分别为注入节点的总有功功率、注入节点的总无功功率、节点电压幅值、节点电压相角、发电机节点的总有功出力、发电机节点的总无功出力、与节点相连的支路的个数，节点总有功负荷、节点总无功负荷。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例的一种基于DANE的电网拓扑结构关键特征提取方法的流程示例。
图2为本发明实施例的一种基于DANE的电网拓扑结构关键特征提取装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于DANE的电网拓扑结构关键特征提取方法与装置。
图1为本发明实施例的一种基于DANE的电网拓扑结构关键特征提取方法的流程示意图。如图1所示，该基于DANE的电网拓扑结构关键特征提取方法，包括：
步骤101，从EMS中获取电网网络的在线运行状态。
其中，电网网络的在线运行状态可以理解为电网网络各个节点的联网状态和负荷状态，以及各个节点的拓扑结构信息。
具体的，从EMS中获取包括电网网络的各个节点的联网状态和负荷状态，以及各个节点的拓扑结构信息等在线运行状态。其中，从EMS中获取信息的方法可以是向EMS系统申请获得，也可以是向各个节点申请获得。
步骤102，根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)。
其中，电网网络拓扑状态转移矩阵A(t)的表达式为公式(1)：
Figure BDA0002596859330000061
式中，
Figure BDA0002596859330000062
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure BDA0002596859330000063
表示t时刻电网中所有边的集合。
另外，节点属性矩阵X(t)可以包括的电气量特征有总有功功率、注入节点的总无功功率、节点电压幅值、节点电压相角、发电机节点的总有功出力(非发电机节点为0)、发电机节点的总无功出力(非发电机节点为0)、与节点相连的支路的个数，节点总有功负荷(无负荷为0)、节点总无功负荷(无负荷为0)等。
具体的，在获取电网网络的在线运行状态以后，根据电网网络的在线运行状态以及电网网络拓扑状态转移矩阵A(t)的表达式获得电网网络拓扑状态转移矩阵A(t)，同时根据电网网络的在线运行状态反应的各个节点的电气量特征获得节点属性矩阵X(t)。
步骤103，根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000071
和节点属性嵌入向量
Figure BDA0002596859330000072
具体的，根据拓扑状态转移矩阵A(t)，使用公式(2)、公式(3)：
Figure BDA0002596859330000073
Figure BDA0002596859330000074
计算出拓扑状态转移矩阵A(t)的对角矩阵
Figure BDA0002596859330000075
和拉普拉斯矩阵
Figure BDA0002596859330000076
然后再根据对角矩阵
Figure BDA0002596859330000077
和拉普拉斯矩阵
Figure BDA0002596859330000078
计算广义特征问题
Figure BDA0002596859330000079
对应的第一特征值0＝λA1≤λA2≤…≤λAn和第一特征向量a1,a2,…,an；
根据求得的第一特征向量a1,a2,…,an，选取从a2开始的前k个第一特征向量得到电网网络拓扑嵌入向量
Figure BDA00025968593300000710
其中，
Figure BDA00025968593300000711
的表达式为公式(4)：
Figure BDA00025968593300000712
由于节点属性在取值范围上相差很大，所以需使用公式(5)对节点属性进行归一化处理，保证所有特征值均被转换到[0,1]之间。
Figure BDA00025968593300000713
其中，x是节点属性特征值的原始值，xnorm是归一化后的值，xmax和xmin分别是节点属性特征值中的最大值和最小值。
对节点属性进行归一化处理以后，使用公式(6)获得节点属性的余弦相似度矩阵W(t)，其中公式(6)如下：
Figure BDA00025968593300000714
其中，xi和xj分别代表节点i和节点j归一化后的节点属性特征值。
然后再求解节点属性余弦相似度矩阵W(t)对应的第二特征值和第二特征向量，其中，第二特征值和第二特征向量的表达式为公式(7)、公式(8)：
第二特征值0＝λX1≤λX2≤…≤λXn (7)
第二特征向量b1,b2,…,bn (8)
根据求得的第二特征向量b1,b2,…,bn，选取从b2开始的前k个第二特征向量，得到电网节点属性嵌入向量
Figure BDA0002596859330000081
其中，
Figure BDA0002596859330000082
的表达式为公式(9)：
Figure BDA0002596859330000083
步骤104，利用电网网络拓扑嵌入向量
Figure BDA0002596859330000084
和节点属性嵌入向量
Figure BDA0002596859330000085
计算第一共识嵌入向量Y(t)。
具体的，求解公式(10)的广义特征问题的特征向量来得到投影向量
Figure BDA0002596859330000086
和
Figure BDA0002596859330000087
使电网网络拓扑嵌入向量
Figure BDA0002596859330000088
和电网节点属性嵌入向量
Figure BDA0002596859330000089
的相关性最大化。
Figure BDA00025968593300000810
式中，
Figure BDA00025968593300000811
是
Figure BDA00025968593300000812
的转置矩阵，
Figure BDA00025968593300000813
是
Figure BDA00025968593300000814
的转置矩阵。
根据获得的投影向量计算出第一共识嵌入向量Y(t)，其中，Y(t)的计算公式为：
Figure BDA00025968593300000815
步骤105，根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA00025968593300000816
和节点属性嵌入向量
Figure BDA00025968593300000817
其中，t+1时刻可以理解为t时刻的下一时刻，也可以理解为t时刻间隔指定时长以后的时刻。
具体的，获取t+1时刻网络拓扑状态转移矩阵的扰动矩阵ΔA和节点属性的扰动矩阵ΔX，再根据扰动矩阵ΔA，使用公式(2)、公式(3)计算出拓扑状态转移矩阵的扰动矩阵ΔA的对角矩阵ΔDA和拉普拉斯矩阵ΔLA，然后在根据公式(12)、公式(13)计算t+1时刻网络拓扑状态转移矩阵的对角矩阵
Figure BDA00025968593300000818
和状态转移矩阵的拉普拉斯矩阵
Figure BDA00025968593300000819
其中：
Figure BDA00025968593300000820
Figure BDA00025968593300000821
根据矩阵扰动理论，为了保证电网中相连的节点在嵌入空间中同样相聚很近，需要求解广义特征特征问题方程对应的第三特征值和第三特征向量，其中，广义特征特征问题方程为：
Figure BDA00025968593300000822
而基于上述计算过程，已经计算出t时刻的任一节点的第一特征值λAi和第一特征向量ai，因此只需计算特征值的变量ΔλAi和特征向量的变量Δai，所以第三特征值和第三特征向量的表达式为：
第三特征值为0＝(λA1+ΔλA1)≤(λA2+ΔλA2)≤…≤(λAn+ΔλAn) (15)
第三特征向量为a1+Δa1,a2+Δa2,…,an+Δan (16)
根据求得的第三特征向量a1+Δa1,a2+Δa2,…,an+Δan，选取从a2+Δa2开始的前k个第三特征向量，得到电网节点属性嵌入向量
Figure BDA00025968593300000917
的表达式为：
Figure BDA00025968593300000916
根据节点属性矩阵X(t)使用公式(18)和公式(19)：
Figure BDA0002596859330000091
Figure BDA0002596859330000092
计算出电网节点属性矩阵X(t)的对角矩阵
Figure BDA0002596859330000093
和拉普拉斯矩阵
Figure BDA0002596859330000094
再根据扰动矩阵ΔX，使用公式(18)、公式(19)计算出拓扑状态转移矩阵的扰动矩阵ΔX的对角矩阵ΔDX和拉普拉斯矩阵ΔLX。
然后再根据公式(20)、公式(21)计算t+1时刻网络节点属性矩阵X(t+1)的对角矩阵
Figure BDA0002596859330000095
和拉普拉斯矩阵
Figure BDA0002596859330000096
其中：
Figure BDA0002596859330000097
Figure BDA0002596859330000098
根据矩阵扰动理论，为了保证电网中相连的节点在嵌入空间中同样相聚很近，需要求解广义特征特征问题方程对应的第四特征值和第四特征向量，其中，广义特征特征问题方程为：
Figure BDA0002596859330000099
而基于上述计算过程，已经计算出t时刻的任一节点的特征值λXi和特征向量bi，因此只需计算特征值的变量ΔλXi和特征向量的变量Δbi，所以第四特征值和第四特征向量的表达式为：
第四特征值0＝(λX1+ΔλX1)≤(λX2+ΔλX2)≤…≤(λXn+ΔλXn) (23)
第四特征向量b1+Δb1,b2+Δb2,…,bn+Δbn (24)
根据求得的第四特征向量b1+Δb1,b2+Δb2,…,bn+Δbn，选取从b2+Δb2开始的前k个第四特征向量，得到电网节点属性嵌入向量
Figure BDA00025968593300000910
的表达式为：
Figure BDA00025968593300000911
步骤106，利用电网网络拓扑嵌入向量
Figure BDA00025968593300000912
和电网节点属性嵌入向量
Figure BDA00025968593300000913
计算第二共识嵌入向量Y(t+1)。
具体的，求解公式(26)的广义特征问题的特征向量来得到投影向量
Figure BDA00025968593300000914
和
Figure BDA00025968593300000915
使电网网络拓扑嵌入向量
Figure BDA0002596859330000101
和电网节点属性嵌入向量
Figure BDA0002596859330000102
的相关性最大化。
Figure BDA0002596859330000103
式中，
Figure BDA0002596859330000104
是
Figure BDA0002596859330000105
的转置矩阵，
Figure BDA0002596859330000106
是
Figure BDA0002596859330000107
的转置矩阵。
根据获得的投影向量计算出第二共识嵌入向量Y(t+1)，其中，Y(t+1)的计算公式为：
Figure BDA0002596859330000108
步骤107，根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
具体的，通过对电网拓扑和节点属性各自的嵌入向量进行学习，从网络结构和节点属性两方面保留节点的近似度以实现第一共识嵌入向量Y(t)表示，然后再采用矩阵扰动理论，在网络结构和节点属性发生变化时对嵌入表示进行更新，实现第二共识嵌入向量Y(t +1)更新，从而提取考虑网络结构和节点属性随时间变化的电网特征表达。
为了实现上述实施例，本申请还提出一种基于DANE的电网拓扑结构关键特征提取装置。
图2为本发明实施例提供的一种基于DANE的电网拓扑结构关键特征提取装置的结构示意图。
如图2所示，该装置包括：第一获取模块201、第一计算模块202、第二计算模块203、第三计算模块204、第四计算模块205、第五计算模块206、第二获取模块207。
第一获取模块，用于从EMS中获取电网网络的在线运行状态。
第一计算模块，用于根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)。
第二计算模块，用于根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000109
和节点属性嵌入向量
Figure BDA00025968593300001010
第三计算模块，用于利用电网网络拓扑嵌入向量
Figure BDA00025968593300001011
和节点属性嵌入向量
Figure BDA00025968593300001012
计算第一共识嵌入向量Y(t)。
第四计算模块，用于根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA00025968593300001013
和节点属性嵌入向量
Figure BDA00025968593300001014
第五计算模块，用于利用电网网络拓扑嵌入向量
Figure BDA00025968593300001015
和电网节点属性嵌入向量
Figure BDA00025968593300001016
计算第二共识嵌入向量Y(t+1)。
第二获取模块，用于根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
进一步地，在本申请实施例的一种可能的实现方式中，第一计算模块，用到的电网网络的拓扑状态转移矩阵A(t)的表达式如下：
Figure BDA0002596859330000111
其中，
Figure BDA0002596859330000112
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure BDA0002596859330000113
表示t时刻电网网络中所有边的集合。
进一步地，在本申请实施例的一种可能的实现方式中，第一计算模块，用到的节点属性矩阵X(t)，包括：节点属性矩阵X(t)中每一个列向量代表t时刻对应节点独立于电网网络拓扑结构的电气量特征，分别为注入节点的总有功功率、注入节点的总无功功率、节点电压幅值、节点电压相角、发电机节点的总有功出力、发电机节点的总无功出力、与节点相连的支路的个数，节点总有功负荷、节点总无功负荷。
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
本发明实施例的基于DANE的电网拓扑结构关键特征提取装置，第一获取模块从EMS中获取电网网络的在线运行状态；第一计算模块根据在线运行状态，获取t时刻电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；第二计算模块根据拓扑状态转移矩阵A(t)和节点属性矩阵X(t)，计算电网网络的网络拓扑嵌入向量
Figure BDA0002596859330000114
和节点属性嵌入向量
Figure BDA0002596859330000115
第三计算模块利用电网网络拓扑嵌入向量
Figure BDA0002596859330000116
和节点属性嵌入向量
Figure BDA0002596859330000117
计算第一共识嵌入向量Y(t)；第四计算模块根据在线运行状态，计算t+1时刻电网网络的拓扑嵌入向量
Figure BDA0002596859330000118
和节点属性嵌入向量
Figure BDA0002596859330000119
第五计算模块利用电网网络拓扑嵌入向量
Figure BDA00025968593300001110
和电网节点属性嵌入向量
Figure BDA00025968593300001111
计算第二共识嵌入向量Y(t+1)；第二获取模块根据第一共识嵌入向量Y(t)和第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。由此，提高了电网拓扑结构变化时电网特征提取的效率和准确率。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于DANE的电网拓扑结构关键特征提取方法，其特征在于，包括以下步骤：
从电网调度自动化系统中获取电网网络的在线运行状态；
根据所述在线运行状态，获取t时刻所述电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；
根据所述拓扑状态转移矩阵A(t)和所述节点属性矩阵X(t)，计算所述电网网络的网络拓扑嵌入向量
Figure FDA0003507627340000011
和节点属性嵌入向量
Figure FDA0003507627340000012
其中，计算所述电网网络拓扑嵌入向量
Figure FDA0003507627340000013
和所述节点属性嵌入向量
Figure FDA0003507627340000014
包括：
计算所述拓扑状态转移矩阵A(t)的对角矩阵
Figure FDA0003507627340000015
其中，所述
Figure FDA0003507627340000016
的计算公式为：
Figure FDA0003507627340000017
计算所述拓扑状态转移矩阵A(t)的拉普拉斯矩阵
Figure FDA0003507627340000018
其中，所述
Figure FDA0003507627340000019
的计算公式为：
Figure FDA00035076273400000110
计算广义特征问题
Figure FDA00035076273400000111
对应的第一特征值0＝λA1≤λA2≤…≤λAn和第一特征向量a1,a2,…,an；
根据所述第一特征向量a1,a2,…,an，选取从a2开始的前k个所述第一特征向量得到所述t时刻所述电网网络的所述拓扑嵌入向量
Figure FDA00035076273400000112
其中，所述
Figure FDA00035076273400000113
的表达式为：
Figure FDA00035076273400000114
对所述节点属性的特征值进行归一化处理，使所有所述特征值均被转换到[0,1]之间，获取归一化后所述节点属性特征值的余弦相似度矩阵W(t)，其中，所述节点属性特征值的归一化处理的公式为：
Figure FDA00035076273400000115
其中，x是所述节点属性特征值的原始值，xnorm是归一化后的值，xmax和xmin分别是所述节点属性特征值中的最大值和最小值；
另外，所述余弦相似度矩阵W(t)的公式为：
Figure FDA00035076273400000116
其中，n表示节点总个数，i和j分别表示第i个和第j个节点，
Figure FDA00035076273400000119
和
Figure FDA00035076273400000118
分别表示归一化后的节点i和j电网节点属性特征值；
求解所述节点属性的余弦相似度矩阵W(t)对应的第二特征值和第二特征向量，其中所述第二特征值和第二特征向量的表达式为：
第二特征值0＝λX1≤λX2≤…≤λXn；
第二特征向量b1,b2,…,bn；
根据所述的第二特征向量b1,b2,…,bn，选取从b2开始的前k个第二特征向量，得到所述电网网络节点属性的嵌入向量
Figure FDA0003507627340000021
其中，
Figure FDA0003507627340000022
的表达式为：
Figure FDA0003507627340000023
利用所述电网网络拓扑嵌入向量
Figure FDA0003507627340000024
和所述节点属性嵌入向量
Figure FDA0003507627340000025
计算第一共识嵌入向量Y(t)，所述利用所述电网网络拓扑嵌入向量
Figure FDA0003507627340000026
和所述节点属性嵌入向量
Figure FDA0003507627340000027
计算第一共识嵌入向量Y(t)，包括：
求解广义特征矩阵的特征向量，得到投影向量
Figure FDA0003507627340000028
和
Figure FDA0003507627340000029
使所述电网网络拓扑嵌入向量
Figure FDA00035076273400000210
和所述电网网络节点属性嵌入向量
Figure FDA00035076273400000211
的相关性最大化，其中，所述广义特征矩阵为：
Figure FDA00035076273400000212
其中，
Figure FDA00035076273400000213
是
Figure FDA00035076273400000214
的转置矩阵，
Figure FDA00035076273400000215
是
Figure FDA00035076273400000216
的转置矩阵；
根据所述投影向量，计算所述第一共识嵌入向量Y(t)，所述Y(t)的计算公式为：
Figure FDA00035076273400000217
根据所述在线运行状态，计算t+1时刻所述电网网络的拓扑嵌入向量
Figure FDA00035076273400000218
和节点属性嵌入向量
Figure FDA00035076273400000219
利用所述电网网络拓扑嵌入向量
Figure FDA00035076273400000220
和所述节点属性嵌入向量
Figure FDA00035076273400000221
计算第二共识嵌入向量Y(t+1)；
根据所述第一共识嵌入向量Y(t)和所述第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
2.如权利要求1所述的方法，其特征在于，所述电网网络的拓扑状态转移矩阵A(t)的表达式如下：
Figure FDA00035076273400000222
其中，
Figure FDA00035076273400000223
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure FDA00035076273400000224
表示t时刻电网网络中所有边的集合，j表示节点j。
3.如权利要求1所述的方法，其特征在于，所述节点属性矩阵X(t)，包括：
所述节点属性矩阵X(t)中每一个列向量代表所述t时刻对应节点独立于所述电网网络拓扑结构的电气量特征，分别为注入所述节点的总有功功率、注入所述节点的总无功功率、所述节点电压幅值、所述节点电压相角、发电机所述节点的总有功出力、发电机所述节点的总无功出力、与所述节点相连的支路的个数，所述节点总有功负荷、所述节点总无功负荷。
4.如权利要求1所述的方法，其特征在于，所述计算t+1时刻所述电网网络拓扑嵌入向量
Figure FDA0003507627340000031
和所述节点属性嵌入向量
Figure FDA0003507627340000032
包括：
获取t+1时刻所述电网网络的网络拓扑状态转移矩阵A(t)的扰动矩阵ΔA和节点属性矩阵X(t)的扰动矩阵ΔX；
获取所述t+1时刻所述电网网络的网络拓扑状态转移矩阵的对角矩阵
Figure FDA0003507627340000033
和状态转移矩阵的拉普拉斯矩阵
Figure FDA0003507627340000034
其中，所述
Figure FDA0003507627340000035
与所述
Figure FDA0003507627340000036
的计算公式如下：
Figure FDA0003507627340000037
Figure FDA0003507627340000038
其中，所述ΔDA与所述ΔLA根据所述ΔA与所述ΔX求得；
根据矩阵扰动理论，求解广义特征问题
Figure FDA0003507627340000039
对应第三特征值和第三特征向量，其中，所述第三特征值和第三特征向量的计算公式为：
第三特征值为0＝(λA1+ΔλA1)≤(λA2+ΔλA2)≤…≤(λAn+ΔλAn)，
第三特征向量为a1+Δa1,a2+Δa2,…,an+Δan，
其中，特征值λAi和特征向量ai是已经计算出t时刻的任一节点的第一特征值和第一特征向量，ΔλAi和Δai为第一特征值的变量和第一特征向量的变量；
根据所述第三特征向量，得到电网网络拓扑嵌入向量
Figure FDA00035076273400000310
的表达式为：
Figure FDA00035076273400000311
获取所述t+1时刻所述电网网络所述节点属性的余弦相似度矩阵W(t+1)的对角矩阵
Figure FDA00035076273400000312
和拉普拉斯矩阵
Figure FDA00035076273400000313
其中，所述
Figure FDA00035076273400000314
和所述
Figure FDA00035076273400000315
的计算公式为：
Figure FDA00035076273400000316
Figure FDA00035076273400000317
根据矩阵扰动理论，计算广义特征特征问题方程对应的第四特征值和第四特征向量，其中，广义特征特征问题方程为：
Figure FDA00035076273400000318
求解所述节点余弦相似度矩阵对应的特征值和特征向量，其中，第四特征值和第四特征向量的表达式为：
第四特征值0＝(λX1+ΔλX1)≤(λX2+ΔλX2)≤…≤(λXn+ΔλXn)，
第四特征向量b1+Δb1,b2+Δb2,…,bn+Δbn，
其中，特征值λXi和特征向量bi是所述t时刻的任一节点的特征值和特征向量，ΔλXi和Δbi为特征值的变量和特征向量的变量；
根据所述第四特征向量，得到电网节点属性嵌入向量
Figure FDA0003507627340000041
的表达式为：
Figure FDA0003507627340000042
5.如权利要求1所述的方法，其特征在于，所述利用所述电网网络拓扑嵌入向量
Figure FDA0003507627340000043
和节点属性嵌入向量
Figure FDA0003507627340000044
计算第二共识嵌入向量Y(t+1)，包括：
求解广义特征矩阵的特征向量来得到投影向量
Figure FDA0003507627340000045
和
Figure FDA0003507627340000046
使电网网络拓扑嵌入向量
Figure FDA0003507627340000047
和电网节点属性嵌入向量
Figure FDA0003507627340000048
的相关性最大化，其中广义特征矩阵为：
Figure FDA0003507627340000049
式中，
Figure FDA00035076273400000410
是
Figure FDA00035076273400000411
的转置矩阵，
Figure FDA00035076273400000412
是
Figure FDA00035076273400000413
的转置矩阵；
计算所述t+1的第二共识嵌入向量Y(t+1)，其中，Y(t+1)的表达式为：
Figure FDA00035076273400000414
6.一种基于DANE的电网拓扑结构关键特征提取装置，其特征在于，包括：
第一获取模块，用于从电网调度自动化系统中获取电网网络的在线运行状态；
第一计算模块，用于根据所述在线运行状态，获取t时刻所述电网网络的拓扑状态转移矩阵A(t)和节点属性矩阵X(t)；
第二计算模块，用于根据所述拓扑状态转移矩阵A(t)和所述节点属性矩阵X(t)，计算所述电网网络的网络拓扑嵌入向量
Figure FDA00035076273400000415
和节点属性嵌入向量
Figure FDA00035076273400000416
其中，计算所述电网网络拓扑嵌入向量
Figure FDA00035076273400000417
和所述节点属性嵌入向量
Figure FDA00035076273400000418
包括：
计算所述拓扑状态转移矩阵A(t)的对角矩阵
Figure FDA00035076273400000419
其中，所述
Figure FDA00035076273400000420
的计算公式为：
Figure FDA00035076273400000421
计算所述拓扑状态转移矩阵A(t)的拉普拉斯矩阵
Figure FDA00035076273400000422
其中，所述
Figure FDA00035076273400000423
的计算公式为：
Figure FDA00035076273400000424
计算广义特征问题
Figure FDA00035076273400000425
对应的第一特征值0＝λA1≤λA2≤…≤λAn和第一特征向量a1,a2,…,an；
根据所述第一特征向量a1,a2,…,an，选取从a2开始的前k个所述第一特征向量得到所述t时刻所述电网网络的所述拓扑嵌入向量
Figure FDA00035076273400000426
其中，所述
Figure FDA00035076273400000427
的表达式为：
Figure FDA0003507627340000051
对所述节点属性的特征值进行归一化处理，使所有所述特征值均被转换到[0,1]之间，获取归一化后所述节点属性特征值的余弦相似度矩阵W(t)，其中，所述节点属性特征值的归一化处理的公式为：
Figure FDA0003507627340000052
其中，x是所述节点属性特征值的原始值，xnorm是归一化后的值，xmax和xmin分别是所述节点属性特征值中的最大值和最小值；
另外，所述余弦相似度矩阵W(t)的公式为：
Figure FDA0003507627340000053
其中，n表示节点总个数，i和j分别表示第i个和第j个节点；
Figure FDA0003507627340000054
和
Figure FDA0003507627340000055
分别表示归一化后的节点i和j电网节点属性特征值；
求解所述节点属性的余弦相似度矩阵W(t)对应的第二特征值和第二特征向量，其中所述第二特征值和第二特征向量的表达式为：
第二特征值0＝λX1≤λX2≤…≤λXn；
第二特征向量b1,b2,…,bn；
根据所述的第二特征向量b1,b2,…,bn，选取从b2开始的前k个第二特征向量，得到所述电网网络节点属性的嵌入向量
Figure FDA0003507627340000056
其中，
Figure FDA0003507627340000057
的表达式为：
Figure FDA0003507627340000058
第三计算模块，用于利用所述电网网络拓扑嵌入向量
Figure FDA0003507627340000059
和所述节点属性嵌入向量
Figure FDA00035076273400000510
计算第一共识嵌入向量Y(t)，所述利用所述电网网络拓扑嵌入向量
Figure FDA00035076273400000511
和所述节点属性嵌入向量
Figure FDA00035076273400000512
计算第一共识嵌入向量Y(t)，包括：
求解广义特征矩阵的特征向量，得到投影向量
Figure FDA00035076273400000513
和
Figure FDA00035076273400000514
使所述电网网络拓扑嵌入向量
Figure FDA00035076273400000515
和所述电网网络节点属性嵌入向量
Figure FDA00035076273400000516
的相关性最大化，其中，所述广义特征矩阵为：
Figure FDA00035076273400000517
其中，
Figure FDA00035076273400000518
是
Figure FDA00035076273400000519
的转置矩阵，
Figure FDA00035076273400000520
是
Figure FDA00035076273400000521
的转置矩阵；
根据所述投影向量，计算所述第一共识嵌入向量Y(t)，所述Y(t)的计算公式为：
Figure FDA00035076273400000522
第四计算模块，用于根据所述在线运行状态，计算t+1时刻所述电网网络的拓扑嵌入向量
Figure FDA00035076273400000523
和节点属性嵌入向量
Figure FDA00035076273400000524
第五计算模块，用于利用所述电网网络拓扑嵌入向量
Figure FDA0003507627340000061
和所述节点属性嵌入向量
Figure FDA0003507627340000062
计算第二共识嵌入向量Y(t+1)；
第二获取模块，用于根据所述第一共识嵌入向量Y(t)和所述第二共识嵌入向量Y(t+1)，获得电网拓扑结构的关键特征。
7.如权利要求6所述的装置，其特征在于，所述第一计算模块，用到的所述电网网络的拓扑状态转移矩阵A(t)的表达式如下：
Figure FDA0003507627340000063
其中，
Figure FDA0003507627340000064
代表t时刻节点i的度数，在数值上等于t时刻与节点i相连的边的个数；
Figure FDA0003507627340000065
表示t时刻电网网络中所有边的集合，j表示节点j。
8.如权利要求6所述的装置，其特征在于，所述第一计算模块，用到的所述节点属性矩阵X(t)，包括：
所述节点属性矩阵X(t)中每一个列向量代表所述t时刻对应节点独立于所述电网网络拓扑结构的电气量特征，分别为注入所述节点的总有功功率、注入所述节点的总无功功率、所述节点电压幅值、所述节点电压相角、发电机所述节点的总有功出力、发电机所述节点的总无功出力、与所述节点相连的支路的个数，所述节点总有功负荷、所述节点总无功负荷。
CN202010711969.5A 2020-07-22 2020-07-22 基于dane的电网拓扑结构关键特征提取方法和装置 Active CN112039198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010711969.5A CN112039198B (zh) 2020-07-22 2020-07-22 基于dane的电网拓扑结构关键特征提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010711969.5A CN112039198B (zh) 2020-07-22 2020-07-22 基于dane的电网拓扑结构关键特征提取方法和装置

Publications (2)

Publication Number Publication Date
CN112039198A CN112039198A (zh) 2020-12-04
CN112039198B true CN112039198B (zh) 2022-04-01

Family

ID=73582460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010711969.5A Active CN112039198B (zh) 2020-07-22 2020-07-22 基于dane的电网拓扑结构关键特征提取方法和装置

Country Status (1)

Country Link
CN (1) CN112039198B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1467162A1 (ru) * 1986-09-10 1989-03-23 Всесоюзный научно-исследовательский и проектно-конструкторский институт геофизических исследований геологоразведочных скважин Способ определени азимута искривлени траектории скважины
CN102349030A (zh) * 2009-01-26 2012-02-08 吉尼瓦洁净技术公司 使用包括图形用户接口的电器的远程显示和自动检测的能量使用监控
CN109992631A (zh) * 2019-04-09 2019-07-09 北京邮电大学 一种动态异质信息网络嵌入方法、装置和电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107947151B (zh) * 2017-11-02 2021-01-08 广西电网有限责任公司电力科学研究院 一种电力系统关键节点的识别方法
CN107947160A (zh) * 2017-11-28 2018-04-20 国家电网公司 一种基于矩阵变换的双线性wlav状态估计方法
CN107947169B (zh) * 2017-12-07 2020-01-10 清华大学 一种面向电网能量管理系统的信息流建模方法
CN108199375B (zh) * 2018-01-31 2021-01-22 天津大学 基于同步相量量测的智能配电网拓扑辨识方法
CN109193635B (zh) * 2018-09-29 2020-09-11 清华大学 一种基于自适应稀疏回归方法的配电网拓扑结构重建方法
CN111008686B (zh) * 2019-12-04 2022-11-01 武汉大学 一种基于节点相关度实现可靠解列的网架结构优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1467162A1 (ru) * 1986-09-10 1989-03-23 Всесоюзный научно-исследовательский и проектно-конструкторский институт геофизических исследований геологоразведочных скважин Способ определени азимута искривлени траектории скважины
CN102349030A (zh) * 2009-01-26 2012-02-08 吉尼瓦洁净技术公司 使用包括图形用户接口的电器的远程显示和自动检测的能量使用监控
CN109992631A (zh) * 2019-04-09 2019-07-09 北京邮电大学 一种动态异质信息网络嵌入方法、装置和电子设备

Also Published As

Publication number Publication date
CN112039198A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
Lou et al. Decentralised secondary voltage and frequency control scheme for islanded microgrid based on adaptive state estimator
US9964980B2 (en) Method and apparatus for optimal power flow with voltage stability for large-scale electric power systems
Raja et al. Enhancement of voltage stability margin in radial distribution system with squirrel cage induction generator based distributed generators
Lakshmi et al. Design of a robust PID-PSS for an uncertain power system with simplified stability conditions
Soliman et al. LMI static output-feedback design of fuzzy power system stabilizers
Bevrani et al. Sequential design of decentralized load frequency controllers using μ synthesis and analysis
Haro-Larrode et al. Impact of proportional resonant controller parameters of VSC connected to AC grids with variable X/R characteristic on the small signal stability
Zecevic et al. The effects of generation redispatch on Hopf bifurcations in electric power systems
CN112039198B (zh) 基于dane的电网拓扑结构关键特征提取方法和装置
CN114421509A (zh) 一种未知扰动下微电网储能系统的分布式自适应控制方法
Dalali et al. Voltage instability prediction based on reactive power reserve of generating units and zone selection
Shi et al. Enabling model-based LTI for large-scale power system security monitoring and enhancement with graph-computing-based power flow calculation
Amini et al. An effective multi-solution approach for power system islanding
Tang et al. Fault location of untransposed double-circuit transmission lines based on an improved Karrenbauer matrix and the QPSO algorithm
Wong et al. An optimal secondary multi-bus voltage and reactive power sharing control based on non-iterative decoupled linearized power flow for islanded microgrids
Mosayebi et al. An intelligent sliding mode control for stabilization of parallel converters feeding CPLs in DC‐microgrid
Wang et al. Line impedance compensation control strategy for multiple interlinking converters in hybrid AC/DC microgrid
Negi et al. Distributed control based power sharing strategy for an islanded AC microgrid
Kenne et al. A new hybrid UPFC controller for power flow control and voltage regulation based on RBF neurosliding mode technique
CN113382009B (zh) 一种基于备选量的直流微电网集群虚假数据注入攻击检测方法
Li et al. Optimization to POD parameters of DFIGs based on the 2nd order eigenvalue sensitivity of power systems
Upadhyay et al. Determination of closest saddle node bifurcation point for power system using sine cosine and rao-1 metaphor-less algorithms
Wei et al. New approach of automatic generation control based on absolute rotor angle droop control
Bian et al. Identification and improvement of probabilistic voltage instability modes of power system with wind power integration
Chaspierre et al. Control of a battery energy storage system to compensate for ADN equivalents inaccuracies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant