CN112398678A - 适用于多源异构电网的运行方式拓扑结构特征提取方法 - Google Patents

适用于多源异构电网的运行方式拓扑结构特征提取方法 Download PDF

Info

Publication number
CN112398678A
CN112398678A CN202011107000.3A CN202011107000A CN112398678A CN 112398678 A CN112398678 A CN 112398678A CN 202011107000 A CN202011107000 A CN 202011107000A CN 112398678 A CN112398678 A CN 112398678A
Authority
CN
China
Prior art keywords
source heterogeneous
node
power grid
grid
topological structure
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.)
Granted
Application number
CN202011107000.3A
Other languages
English (en)
Other versions
CN112398678B (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
State Grid Ningxia Electric Power Co Ltd
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
State Grid Ningxia Electric Power Co Ltd
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, State Grid Ningxia Electric Power Co Ltd, Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202011107000.3A priority Critical patent/CN112398678B/zh
Publication of CN112398678A publication Critical patent/CN112398678A/zh
Application granted granted Critical
Publication of CN112398678B publication Critical patent/CN112398678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种适用于多源异构电网的运行方式拓扑结构特征提取方法，属于电力系统运行和控制技术领域。首先获取多源异构电网的运行状态，包括获取电网的拓扑结构信息和运行方式信息；根据多源异构网络结构和运行方式信息，构建合理的初始特征集；获取多源异构电网网络拓扑边权重邻接矩阵W和节点属性矩阵M；建立嵌入表示学习模型，求解得到共识嵌入向量H，进而得到融合多源异构电网网络拓扑结构和节点信息的特征表达；采用深度学习中的特征选择算法，确定重要性程度高的特征，得到多源异构电网运行方式关键拓扑结构特征。本方法提高了多源异构电网网络拓扑结构关键特征提取的效率和准确率，为多源异构电网的电网特征提取提供技术依据和实用化方法。

Description

适用于多源异构电网的运行方式拓扑结构特征提取方法
技术领域
本发明涉及一种适用于多源异构电网的运行方式拓扑结构特征提取方法，属于电力系统运行和控制技术领域。
背景技术
随着我国特高压交直流裩联电网规模不断扩大，高渗透率间歇性新能源发电和海量柔性负荷响应加剧了电网源荷双侧的不确定性，电力系统运行方式和动态行为日趋复杂，自然灾害的频发使可能产生的预想事故场景更加复杂，对调度运行的统筹决策水平和协同控制能力提出了更高要求。因此，研究交直流混联电力系统的在线安全风险态势感知，实现大电网暂态稳定高效、快速评估，对维持电力系统安全稳定运行具有重要意义。随着广域量测技术的成熟和大数据理论的发展，基于人工智能方法进行在线TSA为大电网的智能控制提供了新的思路。
由于实际大规模交直流混联系统所含变量众多，其数据规模大，维数高，只有少数的特征量会影响系统的稳定水平，且大部分特征都是冗余的，如果作为暂态评估模型的输入，势必会影响计算效率、分类效果及在线应用的要求，因此特征降维是亟待解决的关键问题。电力系统不可避免地会发生一些大的扰动，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。除此之外，由于线路(或其他元件)的计划检修、新线路或设备的投运都有可能造成电网拓扑结构的改变。一些研究讨论了拓扑结构变化对暂态稳定评估模型的影响，然而只涉及了纯交流系统电网拓扑结构的轻微改变，且未能有效考虑可再生能源和直流接入对电力系统的影响。因此研究适用于含直流和可再生能源电力的多源异构电网关键特征随网络结构和扰动位置而呈现的规律，解决候选特征随网络规模扩大而显著增加及关键特征随网络拓扑、扰动位置变化的适应能力的问题具有重要意义。
发明内容
本发明的目的是提出一种适用于多源异构电网的运行方式拓扑结构特征提取方法，以得到考虑了多源异构电网位置信息和电气量信息的含可再生能源电力的交直流混联电网拓扑结构特征，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。
本发明提出的适用于多源异构电网的运行方式拓扑结构特征提取方法，包括以下步骤：
(1)从多源异构电网的同步矢量测量单元获取多源异构电网的运行状态，并从多源异构电网同步矢量测量单元获取多源异构电网的拓扑结构信息和运行方式信息；
(2)根据步骤(1)的多源异构电网的拓扑结构信息和运行方式信息，构建多源异构电网的初始特征集；
(3)从步骤(2)的初始特征集中获取多源异构电网的网络拓扑边权重邻接矩阵W和节点属性矩阵M；
(4)根据步骤(1)的拓扑结构信息和运行方式信息，建立一个嵌入表示学习模型，利用交替方向乘子法，求解该嵌入表示学习模型，得到共识嵌入向量H，根据该共识嵌入向量H，得到融合多源异构电网的网络拓扑结构和节点信息的特征；
(5)采用机器学习中的特征选择算法，对步骤(4)得到的融合多源异构电网网络拓扑结构和节点信息的特征进行特征重要性排序，确定网络拓扑结构和节点信息的特征中重要性程度高的特征，剔除冗余特征，得到多源异构电网运行方式拓扑结构特征。
上述特征提取方法步骤(1)中的多源异构电网，为含有风电机组、光伏机组、水电机组和火电机组的多种类型电源的交直流混联电网，根据图论知识，将多源异构电网抽象为以节点和边构成的多源异构电网实体，将多源异构电网表示为G＝(V,E,A,R)，其中V是多源异构电网节点的集合，E是多源异构电网边的集合，A是节点类型的集合，节点类型为风电机组、光伏机组、水电机组、火电机组、变压器节点和负荷节点，R是边类型的集合，边类型为节点间的直流线路和节点间交流线路。
上述特征提取方法的步骤(2)中，初始特征集包括多源异构电网故障发生前的所有发电机的总有功出力和总无功出力、每个发电机节点的总有功出力和总无功出力、负荷节点的总有功负荷和总无功负荷、多源异构电网的总有功负荷和总无功负荷、多源异构电网的节点之间交流线路的有功功率和无功功率、多源异构电网的各母线电压的幅值和相角、多源异构电网中各发电机的最大功角差、含有暂态稳定状态信息的故障点以及故障点相邻节点的各发电机有功出力和无功出力、负荷节点的有功负荷和无功负荷、各母线电压的幅值和相角及交流线路开断特征、多源异构电网中表征直流的换流器的交流母线电压、直流传输功率、直流触发角和直流熄弧角以及接入风、光可再生能源电力的比例。
上述特征提取方法中步骤(3)的节点属性矩阵M中，每一个列向量代表对应节点独立于电网拓扑结构的电气量特征，电气量特征分别为多源异构电网中注入节点的总有功功率、多源异构电网中注入节点的总无功功率、多源异构电网的节点集合V中各节点的电压幅值、多源异构电网节点集合V中各节点的电压相角、发电机节点的总有功出力、发电机节点的总无功出力、多源异构电网的节点集合V中各节点的总有功负荷以及多源异构电网节点集合V中各节点的总无功负荷。
上述特征提取方法步骤(3)中边权重邻接矩阵W的表达式如下：
Figure BDA0002727256160000031
其中，ni和nj为节点序号，i＝1,2,…，j＝1,2,…，f(ni,nj)为拓扑结构信息中电抗的倒数。
上述特征提取方法的步骤(4)中的嵌入表示学习模型为：
Figure BDA0002727256160000032
其中，S表示多源异构电网的节点属性关联矩阵,其第i行第j列元素
Figure BDA0002727256160000033
表示节点属性矩阵M中各节点属性归一化后的余弦相似度，
Figure BDA0002727256160000034
和
Figure BDA0002727256160000035
分别表示节点属性矩阵M的第i行和第j行归一化后的向量，wij为网络拓扑边权重邻接矩阵W中的第i行第j列元素，H表示融合多源异构电网网络拓扑结构和节点信息的共识嵌入矩阵，HT表示H的转置矩阵，hi和hj表示共识嵌入矩阵H的第i行和第j行，
Figure BDA0002727256160000036
表示弗洛伯尼范数，||.||2表示2范数，即表示正则项系数，用于控制结构特征提取过程中的参数调整敏感度。
上述特征提取方法的步骤(5)中，确定网络拓扑结构和节点信息的特征中重要性程度高的特征的过程如下：
(1)将融合多源异构电网的网络拓扑结构和节点信息的特征以及与各特征相对应的暂态稳定信息组成的标签，构成特征选择过程的原始特征；
(2)向极限梯度提升算法模型中输入步骤(1)的原始特征，极限梯度提升算法模型输出得到特征重要性值，将特征重要性值从大到小排序；
(3)按前向搜索原则，选择特征重要程度高的前m个特征，剔除冗余特征，得到多源异构电网的运行方式拓扑结构特征，其中m为小于嵌入矩阵H的维数的自然数。
本发明提出的适用于多源异构电网的运行方式拓扑结构特征提取方法，其优点是：
1、本发明的适用于多源异构电网的运行方式拓扑结构特征提取方法，能够针对含可再生能源电力的交直流混联电网多源异构拓扑结构，提取出电网不同位置的计及电气量和位置信息融合特征表达，能够有效提高多源异构电网网络拓扑结构特征提取的效率和准确率，为含可再生能源电力的交直流混联电网多源异构的电网特征提取提供技术依据和实用化方法。
2、本发明方法易于实施，首先建立离线嵌入模型，从多源异构电网的网络结构和节点属性方面保留节点的相似度，随后采用凸优化理论对模型进行求解，实现共识嵌入，从而提取多源异构电网计及网络结构信息和电气量信息的特征，因此本方法易于实施。
具体实施方式
本发明提出的适用于多源异构电网的运行方式拓扑结构特征提取方法，包括以下步骤：
(1)从多源异构电网的同步矢量测量单元(PMU)获取多源异构电网(即含可再生能源电力的交直流混联电网)的运行状态，并从多源异构电网同步矢量测量单元获取多源异构电网的拓扑结构信息和运行方式信息；
本发明的多源异构电网中，含有风电机组、光伏机组、水电机组和火电机组的多种类型电源的交直流混联电网，根据图论知识，将多源异构电网抽象为以节点和边构成的多源异构电网实体，将多源异构电网表示为G＝(V,E,A,R)，其中V是多源异构电网节点的集合，E是多源异构电网边的集合，A是节点类型的集合，节点类型为风电机组、光伏机组、水电机组、火电机组、变压器节点和负荷节点，R是边类型的集合，边类型为节点间的直流线路和节点间交流线路。
(2)根据步骤(1)的多源异构电网的拓扑结构信息和运行方式信息，构建多源异构电网的初始特征集；初始特征集包括多源异构电网故障发生前的所有发电机的总有功出力和总无功出力、每个发电机节点的总有功出力和总无功出力、负荷节点的总有功负荷和总无功负荷、多源异构电网的总有功负荷和总无功负荷、多源异构电网的节点之间交流线路的有功功率和无功功率、多源异构电网的各母线电压的幅值和相角、多源异构电网中各发电机的最大功角差、含有暂态稳定状态信息的故障点以及故障点相邻节点的各发电机有功出力和无功出力、负荷节点的有功负荷和无功负荷、各母线电压的幅值和相角及交流线路开断特征、多源异构电网中表征直流的换流器的交流母线电压、直流传输功率、直流触发角和直流熄弧角以及接入风、光可再生能源电力的比例。
(3)从步骤(2)的初始特征集中获取多源异构电网的网络拓扑边权重邻接矩阵W和节点属性矩阵M；
所述的边权重邻接矩阵W的表达式如下：
Figure BDA0002727256160000051
其中，ni和nj为节点序号，i＝1,2,…，j＝1,2,…，f(ni,nj)为拓扑结构信息中电抗的倒数。
所述的节点属性矩阵M中每一个列向量代表对应节点独立于电网拓扑结构的电气量特征，在本方法中考虑电网节点的8种电气量特征，电气量特征分别为多源异构电网中注入节点的总有功功率、多源异构电网中注入节点的总无功功率、多源异构电网的节点集合V中各节点的电压幅值、多源异构电网节点集合V中各节点的电压相角、发电机节点的总有功出力、发电机节点的总无功出力、多源异构电网的节点集合V中各节点的总有功负荷以及多源异构电网节点集合V中各节点的总无功负荷。
(4)根据步骤(1)的拓扑结构信息和运行方式信息，建立一个嵌入表示学习模型，利用交替方向乘子法，求解该嵌入表示学习模型，得到共识嵌入向量H，根据该共识嵌入向量H，得到融合多源异构电网的网络拓扑结构和节点信息的特征；
所述的嵌入表示学习模型为：
Figure BDA0002727256160000052
其中，S表示多源异构电网的节点属性关联矩阵,其第i行第j列元素
Figure BDA0002727256160000053
表示节点属性矩阵M中各节点属性归一化后的余弦相似度，
Figure BDA0002727256160000054
和
Figure BDA0002727256160000055
分别表示节点属性矩阵M的第i行和第j行归一化后的向量，wij为网络拓扑边权重邻接矩阵W中的第i行第j列元素，H表示融合多源异构电网网络拓扑结构和节点信息的共识嵌入矩阵，HT表示H的转置矩阵，hi和hj表示共识嵌入矩阵H的第i行和第j行，
Figure BDA0002727256160000061
表示弗洛伯尼范数，||.||2表示2范数，即表示正则项系数，用于控制结构特征提取过程中的参数调整敏感度。
上述嵌入表示学习模型属于凸优化问题求解范畴，因此采用交替方向乘子法，将大的全局问题分解为多个较小及容易求解的子问题，通过协调子问题的解而得到全局问题的解，得到共识嵌入向量H，进而得到融合多源异构电网网络拓扑结构和节点信息的特征表达。
(5)采用机器学习中的特征选择算法，对步骤(4)得到的融合多源异构电网网络拓扑结构和节点信息的特征进行特征重要性排序，确定网络拓扑结构和节点信息的特征中重要性程度高的特征，剔除冗余特征，得到多源异构电网运行方式拓扑结构特征，具体过程为：
(5-1)将融合多源异构电网的网络拓扑结构和节点信息的特征以及与各特征相对应的暂态稳定信息组成的标签，构成特征选择过程的原始特征；
(5-2)向极限梯度提升算法(简称XGBoost)模型中输入步骤(1)的原始特征，极限梯度提升算法模型输出得到特征重要性值，将特征重要性值从大到小排序；
(5-3)按前向搜索原则，选择特征重要程度高的前m个特征，剔除冗余特征，得到多源异构电网的运行方式拓扑结构特征，其中m为小于嵌入矩阵H的维数的自然数。
本发明的特征提取方法，通过考虑含可再生能源电力的交直流混联电网拓扑结构特征和节点特征，首先基于图论中的网络嵌入理论，建立电网网络拓扑结构嵌入模型，对多源异构电网拓扑和节点属性各自的嵌入向量进行学习，从多源异构电网网络结构和节点属性两方面保留节点的近似度以实现共识嵌入表示，从而提取多源异构电网计及网络结构信息和电气量信息的特征。然后基于深度学习中的特征选择算法选择出重要程度高的特征，剔除冗余特征，进而得到优化后的特征。
本发明方法针对含可再生能源电力的交直流混联的多源异构电网，获得电网不同位置的计及电气量和位置信息的拓扑结构特征和节点特征表达，用于不同的训练任务，能够有效提高网络拓扑结构变化时电网特征提取的效率，为含可再生能源电力的交直流混联的多源异构电网的电网特征提取提供技术依据和实用化方法。
本发明特征提取方法的基本思想是：受互联网和社交网络的启发，基于图论中的理论，将含可再生能源电力的交直流混联多源异构电网抽象为由多种节点和多种类型的边构成的网络实体，将多路异构网络嵌入算法应用于多源异构电网特征提取问题中。通过采用多路异构网络嵌入算法对电网中节点的低维度潜在表示进行学习，其关键是找到一种映射函数，将含可再生能源电力的交直流混联多源异构电网中的节点和拓扑结构转换为低维嵌入空间，从而提取含可再生能源电力的交直流混联多源异构电网和节点属性随时间变化的多源异构电网特征表达。
本发明方法主要分为两个阶段：首先基于图论中的网络嵌入理论，建立电网网络拓扑结构嵌入模型，对多源异构电网拓扑和节点属性各自的嵌入向量进行学习，从多源异构电网网络结构和节点属性两方面保留节点的近似度以实现共识嵌入表示，从而提取多源异构电网计及网络结构信息和电气量信息的特征。然后基于深度学习中的特征选择算法，选择出重要程度高的特征，剔除冗余特征，进而得到优化后的特征。本发明的方法考虑含可再生能源电力的交直流混联的多源异构电网，获得电网不同位置的计及电气量和位置信息的拓扑结构特征和节点特征表达，用于不同的训练任务，能够有效提高网络拓扑结构变化时电网特征提取的效率，为含可再生能源电力的交直流混联的多源异构电网的电网特征提取提供技术依据和实用化方法。这是本发明方法的发明点之一。
网络嵌入或者网络表征学习是非常重要的网络分析方法，其核心是将网络这种非结构化数据嵌入到低维空间中，用低维向量表征网络中的节点和连边，或者整个网络。现实世界中大多是异质网络，网络中含有不同的节点和边，在链路预测，社区发现和节点分类中得到了广泛应用。目前在围绕电力系统原始输入特征提取时，较少考虑多源异构网络拓扑和节点属性的特征量，受互联网和社交网络的启发，本发明方法首次将异质网络嵌入的方法应用到含可再生能源电力的交直流混联电网的多源异构网络拓扑和节点属性的特征提取中，这是本发明方法与其他方法的另一个本质的不同，也是本发明的发明点之二。

Claims (7)

1.一种适用于多源异构电网的运行方式拓扑结构特征提取方法，其特征在于，该方法包括以下步骤：
(1)从多源异构电网的同步矢量测量单元获取多源异构电网的运行状态，并从多源异构电网同步矢量测量单元获取多源异构电网的拓扑结构信息和运行方式信息；
(2)根据步骤(1)的多源异构电网的拓扑结构信息和运行方式信息，构建多源异构电网的初始特征集；
(3)从步骤(2)的初始特征集中获取多源异构电网的网络拓扑边权重邻接矩阵W和节点属性矩阵M；
(4)根据步骤(1)的拓扑结构信息和运行方式信息，建立一个嵌入表示学习模型，利用交替方向乘子法，求解该嵌入表示学习模型，得到共识嵌入向量H，根据该共识嵌入向量H，得到融合多源异构电网的网络拓扑结构和节点信息的特征；
(5)采用机器学习中的特征选择算法，对步骤(4)得到的融合多源异构电网网络拓扑结构和节点信息的特征进行特征重要性排序，确定网络拓扑结构和节点信息的特征中重要性程度高的特征，剔除冗余特征，得到多源异构电网运行方式拓扑结构特征。
2.如权利要求1的特征提取方法，其特征在于，所述的步骤(1)中的多源异构电网为含有风电机组、光伏机组、水电机组和火电机组的多种类型电源的交直流混联电网，根据图论知识，将多源异构电网抽象为以节点和边构成的多源异构电网实体，将多源异构电网表示为G＝(V,E,A,R)，其中V是多源异构电网节点的集合，E是多源异构电网边的集合，A是节点类型的集合，节点类型为风电机组、光伏机组、水电机组、火电机组、变压器节点和负荷节点，R是边类型的集合，边类型为节点间的直流线路和节点间交流线路。
3.如权利要求1的特征提取方法，其特征在于，所述的步骤(2)中，初始特征集包括多源异构电网故障发生前的所有发电机的总有功出力和总无功出力、每个发电机节点的总有功出力和总无功出力、负荷节点的总有功负荷和总无功负荷、多源异构电网的总有功负荷和总无功负荷、多源异构电网的节点之间交流线路的有功功率和无功功率、多源异构电网的各母线电压的幅值和相角、多源异构电网中各发电机的最大功角差、含有暂态稳定状态信息的故障点以及故障点相邻节点的各发电机有功出力和无功出力、负荷节点的有功负荷和无功负荷、各母线电压的幅值和相角及交流线路开断特征、多源异构电网中表征直流的换流器的交流母线电压、直流传输功率、直流触发角和直流熄弧角以及接入风、光可再生能源电力的比例。
4.如权利要求1的特征提取方法，其特征在于，所述的步骤(3)中节点属性矩阵M中每一个列向量代表对应节点独立于电网拓扑结构的电气量特征，电气量特征分别为多源异构电网中注入节点的总有功功率、多源异构电网中注入节点的总无功功率、多源异构电网的节点集合V中各节点的电压幅值、多源异构电网节点集合V中各节点的电压相角、发电机节点的总有功出力、发电机节点的总无功出力、多源异构电网的节点集合V中各节点的总有功负荷以及多源异构电网节点集合V中各节点的总无功负荷。
5.如权利要求1所述的特征提取方法，其特征在于，所述的步骤(3)中边权重邻接矩阵W的表达式如下：
Figure FDA0002727256150000021
其中，ni和nj为节点序号，i＝1,2,…，j＝1,2,…，f(ni,nj)为拓扑结构信息中电抗的倒数。
6.如权利要求1的特征提取方法，其特征在于，所述的步骤(4)中的嵌入表示学习模型为：
Figure FDA0002727256150000022
其中，S表示多源异构电网的节点属性关联矩阵,其第i行第j列元素
Figure FDA0002727256150000023
表示节点属性矩阵M中各节点属性归一化后的余弦相似度，
Figure FDA0002727256150000024
和
Figure FDA0002727256150000025
分别表示节点属性矩阵M的第i行和第j行归一化后的向量，wij为网络拓扑边权重邻接矩阵W中的第i行第j列元素，H表示融合多源异构电网网络拓扑结构和节点信息的共识嵌入矩阵，HT表示H的转置矩阵，hi和hj表示共识嵌入矩阵H的第i行和第j行，
Figure FDA0002727256150000026
表示弗洛伯尼范数，||.||2表示2范数，即表示正则项系数，用于控制结构特征提取过程中的参数调整敏感度。
7.如权利要求1的特征提取方法，其特征在于，所述的步骤(5)中，确定网络拓扑结构和节点信息的特征中重要性程度高的特征的过程如下：
(1)将融合多源异构电网的网络拓扑结构和节点信息的特征以及与各特征相对应的暂态稳定信息组成的标签，构成特征选择过程的原始特征；
(2)向极限梯度提升算法模型中输入步骤(1)的原始特征，极限梯度提升算法模型输出得到特征重要性值，将特征重要性值从大到小排序；
(3)按前向搜索原则，选择特征重要程度高的前m个特征，剔除冗余特征，得到多源异构电网的运行方式拓扑结构特征，其中m为小于嵌入矩阵H的维数的自然数。
CN202011107000.3A 2020-10-16 2020-10-16 适用于多源异构电网的运行方式拓扑结构特征提取方法 Active CN112398678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011107000.3A CN112398678B (zh) 2020-10-16 2020-10-16 适用于多源异构电网的运行方式拓扑结构特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011107000.3A CN112398678B (zh) 2020-10-16 2020-10-16 适用于多源异构电网的运行方式拓扑结构特征提取方法

Publications (2)

Publication Number Publication Date
CN112398678A true CN112398678A (zh) 2021-02-23
CN112398678B CN112398678B (zh) 2021-10-01

Family

ID=74596858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011107000.3A Active CN112398678B (zh) 2020-10-16 2020-10-16 适用于多源异构电网的运行方式拓扑结构特征提取方法

Country Status (1)

Country Link
CN (1) CN112398678B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907222A (zh) * 2021-03-25 2021-06-04 清华大学 一种多源异构电网运监业务数据融合方法
CN113836707A (zh) * 2021-09-10 2021-12-24 清华大学 基于加速属性网络嵌入算法的电力系统社区探测方法和装置
CN114531701A (zh) * 2022-02-25 2022-05-24 合肥工业大学 特高压直流控制保护系统中异构网络的数据传输可靠性和拓扑鲁棒性的协同优化方法
CN115173473A (zh) * 2022-07-25 2022-10-11 国网福建省电力有限公司 基于高比例分布式电源集群的分布式控制方法
CN115693667A (zh) * 2023-01-04 2023-02-03 佰聆数据股份有限公司 基于不对称网架信息的电网供电节点自动分配方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108615112A (zh) * 2018-04-26 2018-10-02 南京邮电大学 一种基于dstu和关联矩阵的电网拓扑动态分析方法
CN108667013A (zh) * 2018-05-22 2018-10-16 国网浙江省电力有限公司电力科学研究院 一种多源异构配电网开关位置辨识分析方法
CN110086168A (zh) * 2019-05-21 2019-08-02 江苏方天电力技术有限公司 一种基于多源数据融合的配电网运行拓扑辨识方法
US20190305589A1 (en) * 2016-11-10 2019-10-03 China Electric Power Research Institute Company Limited Distribution network risk identification system and method and computer storage medium

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190305589A1 (en) * 2016-11-10 2019-10-03 China Electric Power Research Institute Company Limited Distribution network risk identification system and method and computer storage medium
CN108615112A (zh) * 2018-04-26 2018-10-02 南京邮电大学 一种基于dstu和关联矩阵的电网拓扑动态分析方法
CN108667013A (zh) * 2018-05-22 2018-10-16 国网浙江省电力有限公司电力科学研究院 一种多源异构配电网开关位置辨识分析方法
CN110086168A (zh) * 2019-05-21 2019-08-02 江苏方天电力技术有限公司 一种基于多源数据融合的配电网运行拓扑辨识方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAO HUANG, JUNDONG LI, NA ZOU,XIA HU: "" A General Embedding Framework for Heterogeneous Information Learning in Large-Scale Networks"", 《ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA》 *
周爱华;戴江鹏;丁杰;饶玮;胡斌: ""面向多源异构电网数据的获取与转换技术研究"", 《电力信息与通信技术 》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907222A (zh) * 2021-03-25 2021-06-04 清华大学 一种多源异构电网运监业务数据融合方法
CN112907222B (zh) * 2021-03-25 2022-07-08 清华大学 一种多源异构电网运监业务数据融合方法
CN113836707A (zh) * 2021-09-10 2021-12-24 清华大学 基于加速属性网络嵌入算法的电力系统社区探测方法和装置
CN114531701A (zh) * 2022-02-25 2022-05-24 合肥工业大学 特高压直流控制保护系统中异构网络的数据传输可靠性和拓扑鲁棒性的协同优化方法
CN114531701B (zh) * 2022-02-25 2023-08-11 合肥工业大学 特高压直流控制保护系统中异构网络的协同优化方法
CN115173473A (zh) * 2022-07-25 2022-10-11 国网福建省电力有限公司 基于高比例分布式电源集群的分布式控制方法
CN115693667A (zh) * 2023-01-04 2023-02-03 佰聆数据股份有限公司 基于不对称网架信息的电网供电节点自动分配方法及装置

Also Published As

Publication number Publication date
CN112398678B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN112398678B (zh) 适用于多源异构电网的运行方式拓扑结构特征提取方法
Singh Protection coordination in distribution systems with and without distributed energy resources-a review
CN106503839B (zh) 一种海上风电场环形集电网络分层规划方法
CN109638870B (zh) 一种特高压直流送端电网的调相机配置方法
Maihemuti et al. Dynamic security and stability region under different renewable energy permeability in IENGS system
CN104769802A (zh) 用于计算机辅助控制电网中的功率的方法
Idrissi et al. Impact of distributed power generation on protection coordination in distribution network
Liu et al. Start-up sequence of generators in power system restoration avoiding the backtracking algorithm
CN116896082A (zh) 一种新能源基地运行风险在线分析方法、装置及存储介质
Zhou et al. Power failure risk assessment and management based on stochastic line failures in distribution network including distributed generation
CN107069703B (zh) 一种计及新能源接入的交直流配网规划方法
CN113612191A (zh) 一种配电网的快速恢复供电方法及装置
Wang et al. A Novel Method for Islanding in Active Distribution Network Considering Distributed Generation.
Pan et al. Random vector functional link network optimized by jaya algorithm for transient stability assessment of power systems
Hua et al. Stochastic optimal control scheme for operation cost management in energy Internet
Khalel et al. Dynamic security assessment for the power system in the presence of wind turbines
Zhu et al. Frequency Stability Control Method of AC/DC Power System Based on Convolutional Neural Network
CN112651128B (zh) 一种面向交直流系统机组出力与拓扑结构的随机优化方法
CN111162565B (zh) 基于多源数据融合的中低压网络在线拼接方法及系统
Mei et al. An On-line Transmission Calculation Method Based on Multi-Section Power Flow Control
Zhang et al. Optimization of Black-Start Scheme for Mitigating Overvoltage
Lu et al. Modeling and simulation of voltage sag assessment for distribution network based on total coverage of nodes
Luo et al. Intelligent aided decision-making method for power grid outage maintenance plan based on machine learning
Dai et al. Optimization of Deep Belief Network and Its Application on Equivalent Modeling for Micro-Grid
Man et al. New Energy Reactive Power Optimization Based on Second-order Cone Programming

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