CN116167289B - 电网运行场景生成方法、装置、计算机设备和存储介质 - Google Patents

电网运行场景生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116167289B
CN116167289B CN202310458659.0A CN202310458659A CN116167289B CN 116167289 B CN116167289 B CN 116167289B CN 202310458659 A CN202310458659 A CN 202310458659A CN 116167289 B CN116167289 B CN 116167289B
Authority
CN
China
Prior art keywords
power grid
sample
target
operation scene
grid operation
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
CN202310458659.0A
Other languages
English (en)
Other versions
CN116167289A (zh
Inventor
李鹏
黄文琦
梁凌宇
戴珍
侯佳萱
李轩昂
曹尚
张焕明
陈亦平
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute 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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202310458659.0A priority Critical patent/CN116167289B/zh
Publication of CN116167289A publication Critical patent/CN116167289A/zh
Application granted granted Critical
Publication of CN116167289B publication Critical patent/CN116167289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid 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
    • 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
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本申请涉及一种电网运行场景生成方法、装置、计算机设备和存储介质，该方法包括：根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构，将目标电网的拓扑结构和初始特征矩阵，输入至电网运行场景生成模型的生成器中，可自动生成目标电网的目标电网运行场景图，其中，初始特征矩阵中的各特征值呈正态分布。基于本申请的电网运行场景生成模型，根据目标电网的拓扑结构和初始特征矩阵可自动生成目标电网运行场景图，并且生成的目标电网运行场景图中考虑了目标电网的拓扑结构，更接近目标电网的实际运行场景。

Description

电网运行场景生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及电网系统技术领域，特别是涉及一种电网运行场景生成方法、装置、计算机设备和存储介质。
背景技术
传统的电网运行场景的生成方法是采用人工根据历史运行情况归纳电网运行特点，挖掘电网运行的关键特征，构建电网运行场景集，通过分析电网运行场景集，编制电网运行方式报告和稳定运行规程，进而生成电网的运行场景，但采用此种方法不仅效率低，而且生成的电网运行场景与实际电网运行场景差别较大，不具有太高的参考价值。
发明内容
基于此，有必要针对上述技术问题，提供一种能够高效，且准确生成电网运行场景的电网运行场景生成方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种电网运行场景生成方法。该方法包括：
根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
在其中一个实施例中，通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图，包括：
根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵；
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
在其中一个实施例中，通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，包括：
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵。
在其中一个实施例中，电网运行场景生成模型的训练方式，包括：
根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本；其中，电网运行数据样本包括：各节点的有功功率和无功功率；
根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图；
通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图；
通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性；
根据样本电网运行场景图的准确性，调整生成对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
在其中一个实施例中，通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性，包括：
根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据；
根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据；
将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
在其中一个实施例中，获取样本电网中各节点的电网运行数据样本，包括：
根据样本电网的拓扑结构，搭建样本电网的仿真运行环境；
通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据；
根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
在其中一个实施例中，根据样本电网的拓扑结构和样本电网中节点的电网运行数据样本，确定样本电网的训练电网运行场景图，包括：
根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵；
根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵；
样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
第二方面，本申请还提供了一种电网运行场景生成装置。装置包括：
第一获取模块，用于根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
第一生成模块，用于通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
上述电网运行场景生成方法、装置、计算机设备和存储介质，根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构，将目标电网的拓扑结构和初始特征矩阵，输入至电网运行场景生成模型的生成器中，可自动生成目标电网的目标电网运行场景图，其中，初始特征矩阵中的各特征值呈正态分布。基于本申请的电网运行场景生成模型，根据目标电网的拓扑结构和初始特征矩阵可自动生成目标电网运行场景图，并且生成的目标电网运行场景图中考虑了目标电网的拓扑结构，更接近目标电网的实际运行场景。
附图说明
图1为本实施例提供的电网运行场景生成方法的应用环境图；
图2为本实施例提供的第一种电网运行场景生成方法的流程示意图；
图3为本实施例提供的生成目标电网的目标电网运行场景图的流程示意图；
图4为本实施例提供的第二种电网运行场景生成方法的流程示意图；
图5为本实施例提供的第三种电网运行场景生成方法的流程示意图；
图6为本实施例提供的第一种电网运行场景生成装置的结构框图；
图7为本实施例提供的第二种电网运行场景生成装置的结构框图；
图8为本实施例提供的第三种电网运行场景生成装置的结构框图；
图9为本实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的电网运行场景生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。具体的，用户基于终端102向服务器104发送的目标电网中各节点之间的拓扑关系和初始特征矩阵，服务器104根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构，并根据目标电网的拓扑结构和初始特征矩阵，通过电网运行场景生成模型的生成器，自动生成目标电网的目标电网运行场景图。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，终端可以但不限于是各种样式的电脑、手机等。
在其中一个实施例中，如图2所示，提供了一种电网运行场景生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S201，根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构。
其中，目标电网是指需要生成电网运行场景的指定的电网；拓扑关系是指目标电网中各节点在空间上的连接关系，不需要考虑各节点的位置；拓扑结构是指基于目标电网中各节点的拓扑关系，确定得到的可体现各节点邻接关系的目标电网的一种展示结构。
本实施例一种可选的实施方式为：根据目标电网中各节点之间的拓扑关系，确定各节点间的连接关系，根据各节点间的连接关系，获取目标电网的拓扑结构。
本实施例另一种可选的实施方式为：根据目标电网中各节点在预设时段（例如近一个月）内的运行状态，对目标电网中各节点之间的拓扑关系进行更新，再获取更新后的目标电网中各节点之间的拓扑关系，确定目标电网中各节点之间的通信拓扑结构和电力拓扑结构，将目标电网中各节点之间的电力拓扑结构作为目标电网的拓扑结构。本实施例中根据目标电网中各节点在预设时段（例如近一个月）内的运行状态，对目标电网中各节点之间的拓扑关系进行更新的方式为：若目标电网存在某个节点在预设时段内的运行状态一直处于关闭状态，则认为该节点为故障节点，则将该故障节点剔除掉，进而对目标电网中各节点之间的拓扑关系进行更新。
S202，通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图。其中，初始特征矩阵中的各特征值呈正态分布。
其中，电网运行场景生成模型是指可生成电网运行场景图的生成对抗网络模型，对抗网络一般包含生成器和判别器；其中，本申请中生成器是指可基于目标电网的拓扑结构和初始特征矩阵，生成目标电网运行场景图的生成网络；初始特征矩阵是指随机选取的，且各特征值呈正态分布的矩阵，需要说明的是，初始特征矩阵的各特征值的数量和维度，与样本特征矩阵的各特征值的数量和维度相同；目标电网运行场景图是指由电网运行场景生成模型的生成器，基于目标电网的拓扑结构和初始特征矩阵生成的电网运行场景图，电网运行场景图可用于表征目标电网的拓扑结构和运行场景。
可选的，本实施例中将目标电网的拓扑结构和初始特征矩阵，输入至电网运行场景生成模型的生成器，由电网运行场景生成模型的生成器生成目标电网的目标电网运行场景图。
本实施例根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构，将目标电网的拓扑结构和初始特征矩阵，输入至电网运行场景生成模型的生成器中，可自动生成目标电网的目标电网运行场景图，其中，初始特征矩阵中的各特征值呈正态分布。基于本申请的电网运行场景生成模型，根据目标电网的拓扑结构和初始特征矩阵可自动生成目标电网运行场景图，并且生成的目标电网运行场景图中考虑了目标电网的拓扑结构，更接近目标电网的实际运行场景。
在一个实施例中，为了更加快速的生成目标电网的目标电网运行场景图，如图3所示，在S202一种可选的实施方式，包括：
S301，根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵。
其中，拓扑邻接矩阵是指基于目标电网的拓扑结构得到的，可表示各节点邻接关系的矩阵。
本实施例一种可选的实施方式为：根据目标电网的拓扑结构，将拓扑结构进行抽象，构建n*n的拓扑邻接矩阵，其中，拓扑邻接矩阵的特征值可采用如下公式（1）表示：
（1）
其中，公式（1）中p(i,j)表示矩阵中第i行，第j列的值。
本实施例另一种可选的实施方式为：将目标电网的拓扑结构，输入至训练好的神经网络模型中，基于神经网络模型构建目标电网中各节点之间的拓扑邻接矩阵。
S302，通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
其中，目标特征矩阵是指基于拓扑邻接矩阵和初始特征矩阵，经过融合后得到的矩阵，目标特征矩阵的特征值可表征目标电网中各节点的运行数据。
本实施例中通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵一种可选的实施方式为：将目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，输入至电网运行场景生成模型的生成器中，由生气器对拓扑邻接矩阵和初始特征矩阵进行融合，将融合后的矩阵，作为目标特征矩阵。
本实施例中通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵一种可选的实施方式为：通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵。可通过如下公式（2）确定目标特征矩阵：
（2）
其中，表示目标矩阵；σ表示非线性激活函数；Ã表示拓扑邻接融合矩阵，可用Ã=A+I融合得到,A表示拓扑邻接矩阵，I表示单位矩阵；/>表示拓扑邻接融合矩阵的度矩阵；/>表示初始特征矩阵；/>表示训练权重。
本实施例中根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图的一种可选实施方式为：将目标特征矩阵和拓扑邻接矩阵输入至图卷积网络中，生成目标电网的目标电网运行场景图，目标电网运行场景图可表征目标电网的拓扑结构和各节点的运行数据。
本实施例中根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图的一种可选实施方式为：对拓扑邻接矩阵进行解析，得到目标电网的拓扑结构，对目标特征矩阵进行解析得到目标电网中各节点的运行数据，将目标电网中各节点的运行数据添加至目标电网的拓扑结构中，得到目标电网的目标电网运行场景图。
本实施例中根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图的一种可选实施方式为：直接将目标特征矩阵和拓扑邻接矩阵以图的形式输出，作为目标电网的目标电网运行场景图。其中，场景图的形式可采用但不限于Graph形式的图。用户可通过解析目标特征矩阵和拓扑邻接矩阵获取目标网络的拓扑结构和各节点的运行数据。
本实施例中根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵，通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图，基于拓扑邻接矩阵和初始特征矩阵，可加快电网运行场景生成模型的生成器生成目标电网的目标电网运行场景图的速度。
在其中一个实施例中，为了使电网运行场景生成模型，输出的目标电网的目标电网运行场景图更加准确，如图4所示，一种电网运行场景生成方法可选实施方式，包括：
S401，根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本。
其中，样本电网是指从实际电网中选取的用于提供训练样本的电网，样本电网用于训练电网运行场景生成模型；电网运行数据样本是指样本电网中各节点的运行数据，至少包括各节点的有功功率和无功功率，若某些节点不存在有功功率或无功功率，可将对应的功率值记为0。
可选的，为了获取更多，且更准确的样本电网中各节点的电网运行数据样本，获取样本电网中各节点的电网运行数据样本的可选实施方式为：根据样本电网的拓扑结构，搭建样本电网的仿真运行环境；通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据；根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。其中，仿真运行环境是指用于模拟样本电网运行的虚拟环境，例如，配网30节点模型、33节点配电网Simulink模型等。示例性的，以配网30节点模型为例，利用配网30节点模型搭建电网样本电网的仿真运行环境（若样本电网中有新能源接入，在需要在样本电网的基础上加入风电和/或光伏节点，节点的功率以节点注入功率的形式呈现），通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据，再将各节点负荷数据输入至配网30节点模型，经过潮流计算，可获取样本电网中各节点的电网运行数据样本。
S402，根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图。
其中，训练电网运行场景图是指基于样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定得到的用于训练电网运行场景生成模型的电网运行场景图。
本实施例一种可选的实施方式为：将样本电网的拓扑结构和样本电网中各节点的电网运行样本数据进行组合，确定得到的用于训练电网运行场景生成模型的电网运行场景图。具体的，可在样本电网的拓扑结构的各节点中，加入对应的电网运行样本数据，形成样本电网的训练电网运行场景图。
本实施例另一种可选的实施方式为：根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵，根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵，样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
其中，样本特征矩阵是指根据样本电网中各节点的电网运行数据样本，构建得到的用于表征样本电网各节点运行数据的矩阵。
需要说明的是，样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图的具体方法，可参考上述实施例中根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图的方法，具体方法，在此不再赘述。
S403，通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图。
其中，生成对抗网络模型是一种基于深度学习的生成模型；样本电网运行场景图是指由生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵生成的运行场景图。
可选的，本实施例中根据样本电网的拓扑结构，构建样本电网中各节点之间的拓扑邻接矩阵，通过生成对抗网络模型的生成器，根据样本电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定样本特征矩阵，并根据样本特征矩阵和拓扑邻接矩阵，生成样本电网的样本电网运行场景图。
需要说明的是，本实施例中根据样本电网的拓扑结构，构建样本电网中各节点之间的拓扑邻接矩阵，通过生成对抗网络模型的生成器，根据样本电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定样本特征矩阵，并根据样本特征矩阵和拓扑邻接矩阵，生成样本电网的样本电网运行场景图的具体方法，可参考上述实施例中通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图的方法，具体方法，在此不再赘述。
S404，通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性。
本实施例一种可选的实施方式为：对获取的样本电网的样本电网运行场景图进行解析，获取样本电网的候选拓扑结构和样本电网中各节点的候选运行数据；对样本电网的训练电网运行场景图进行解析，获取样本电网的真实拓扑结构和真实运行数据；通过生成对抗网络模型的判别器，比对样本电网的候选拓扑结构和真实拓扑结构，各节点的候选运行数据和真实运行数据，若候选拓扑结构和真实拓扑结构相同，且各节点的候选运行数据和真实运行数据的差值小于预设的运行数据阈值，则确定样本电网运行场景图准确；否则，则认为确定得到的样本电网运行场景图不准确。
本实施例另一种可选的实施方式为：比较样本电网的样本电网运行场景图和训练电网运行场景图的相似度，确定相似度结果。通过生成对抗网络模型的判别器，根据相似度结果，确定样本电网运行场景图的准确性。
本实施例又一种可选的实施方式为：根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据，根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据，将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。其中，样本电压数据是指根据对样本电网运行场景图进行潮流计算，得到的样本电网中各节点的电压数据。训练电压数据是指根据对训练电网运行场景图进行潮流计算，得到的样本电网中各节点的电压数据。具体的，根据样本电网的样本电网运行场景图，解析得到样本电网的候选拓扑结构和各节点的候选运行数据，基于样本电网的候选拓扑结构和各节点的候选运行数据，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据；根据样本电网的训练电网运行场景图，解析得到样本电网的真实拓扑结构和各节点的真实运行数据，基于样本电网的真实拓扑结构和各节点的真实运行数据，对样本电网中的各节点进行潮流计算，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据，将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
S405，根据样本电网运行场景图的准确性，调整生成对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
本实施例一种可选的实施方式为：若样本电网运行场景图是不准确的，则调整生成对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。示例性的，若样本电网运行场景图是不准确的，则通过判别器中损失函数，根据训练电压数据和样本电压数据计算损失函数的损失值，基于损失值调整生成对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
当基于样本电压数据和训练电压数据确定样本电网运行场景的准确性时，本实施例中判断样本电网运行场景图准确性的可选实施方式为：计算样本电压数据和训练电压数据之间的差值，若该差值大于预设的差值阈值，则确定样本电网运行场景图不准确；若该差值小于或等于预设的差值阈值，则确定样本电网运行场景图准确。
S406，根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
S407，通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图。其中，初始特征矩阵中的各特征值呈正态分布。
本实施例可根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本，根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图，通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图，通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性，根据样本电网运行场景图的准确性，调整对抗网络模型的生成器和判别器的网络参数，得到输出结果更加准确的电网运行场景生成模型。
在其中一个实施例中，如图5所示，电网运行场景生成方法的一种可选的实施方式为：
S501，根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构。
S502，根据样本电网的拓扑结构，搭建样本电网的仿真运行环境。
S503，通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据。
S504，根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
S505，根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵。
S506，根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵。
S507，样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
S508，通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图。
S509，根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据。
S5010，根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据。
S5011，将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
S5012，根据样本电网运行场景图的准确性，调整对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
S5013，根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构。
S5014，根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵。
S5015，通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
本申请根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构，将目标电网的拓扑结构和初始特征矩阵，输入至电网运行场景生成模型的生成器中，可自动生成目标电网的目标电网运行场景图，其中，初始特征矩阵中的各特征值呈正态分布。基于本申请的电网运行场景生成模型，根据目标电网的拓扑结构和初始特征矩阵可自动生成目标电网运行场景图，并且生成的目标电网运行场景图中考虑了目标电网的拓扑结构，更接近目标电网的实际运行场景。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电网运行场景生成方法的电网运行场景生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电网运行场景生成装置实施例中的具体限定可以参见上文中对于电网运行场景生成方法的限定，在此不再赘述。
在其中一个实施例中，如图6所示，提供了一种电网运行场景生成装置1，包括：第一获取模块10和第一生成模块20，其中：
第一获取模块10，用于根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构。
第一生成模块20，用于通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
在其中一个实施例中，在上图6的基础上，如图7所示，上图6中的第一生成模块20，进一步包括：
构建单元201，用于根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵。
生成单元202，用于通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
在其中一个实施例中，在上图7中的生成单元202，具体用于：通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵。
在其中一个实施例中，在上图6的基础上，如图8所示，上图6中的电网运行场景生成装置1，还包括：
第二获取模块30，用于根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本。其中，电网运行数据样本包括：各节点的有功功率和无功功率。
第一确定模块40，用于根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图。
第二生成模块50，用于通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图。
第二确定模块60，用于通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性。
调整模块70，用于根据样本电网运行场景图的准确性，调整对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
在其中一个实施例中，如图8所示，上图8中的第二确定模块60进一步包括：
第一确定单元，用于根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据。
第二确定单元，用于根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据。
判别单元，用于将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
在其中一个实施例中，上图8中的第二获取模块30，进一步包括：
搭建单元，用于根据样本电网的拓扑结构，搭建样本电网的仿真运行环境。
仿真单元，用于通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据。
第三确定单元，用于根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
在其中一个实施例中，上图8中的第一确定模块40，进一步包括：
第四确定单元，用于根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵。
第五确定单元，用于根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵。
第六确定单元，用于根据样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
上述电网运行场景生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电网相关数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电网运行场景生成方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图，包括：
根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵；
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，包括：
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：电网运行场景生成模型的训练方式，包括：
根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本；其中，电网运行数据样本包括：各节点的有功功率和无功功率；
根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图；
通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图；
通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性；
根据样本电网运行场景图的准确性，调整对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性，包括：
根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据；
根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据；
将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取样本电网中各节点的电网运行数据样本，包括：
根据样本电网的拓扑结构，搭建样本电网的仿真运行环境；
通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据；
根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据样本电网的拓扑结构和样本电网中节点的电网运行数据样本，确定样本电网的训练电网运行场景图，包括：
根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵；
根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵；
样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据目标电网中各节点之间的拓扑关系，获取目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图；其中，初始特征矩阵中的各特征值呈正态分布。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过电网运行场景生成模型的生成器，根据目标电网的拓扑结构和初始特征矩阵，生成目标电网的目标电网运行场景图，包括：
根据目标电网的拓扑结构，构建目标电网中各节点之间的拓扑邻接矩阵；
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，并根据目标特征矩阵和拓扑邻接矩阵，生成目标电网的目标电网运行场景图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵和初始特征矩阵，确定目标特征矩阵，包括：
通过电网运行场景生成模型的生成器，根据目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据拓扑邻接矩阵、初始特征矩阵和度矩阵，确定目标特征矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：电网运行场景生成模型的训练方式，包括：
根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本；其中，电网运行数据样本包括：各节点的有功功率和无功功率；
根据样本电网的拓扑结构和样本电网中各节点的电网运行数据样本，确定样本电网的训练电网运行场景图；
通过生成对抗网络模型的生成器，根据样本电网的拓扑结构和初始特征矩阵，生成样本电网的样本电网运行场景图；
通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性；
根据样本电网运行场景图的准确性，调整对抗网络模型的生成器和判别器的网络参数，得到电网运行场景生成模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过生成对抗网络模型的判别器，根据样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性，包括：
根据样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的样本电压数据；
根据样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定样本电网中各节点的训练电压数据；
将样本电压数据和训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取样本电网中各节点的电网运行数据样本，包括：
根据样本电网的拓扑结构，搭建样本电网的仿真运行环境；
通过蒙特卡洛仿真软件，基于仿真运行环境，仿真样本电网中各节点的负荷数据；
根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据样本电网的拓扑结构和样本电网中节点的电网运行数据样本，确定样本电网的训练电网运行场景图，包括：
根据样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵；
根据样本电网中各节点的电网运行数据样本，确定样本电网的样本特征矩阵；
样本电网的拓扑邻接矩阵和样本特征矩阵，确定样本电网的训练电网运行场景图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase ChangeMemory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（DynamicRandom AccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种电网运行场景生成方法，其特征在于，所述方法包括：
根据目标电网中各节点在预设时段内的运行状态，对目标电网中各节点之间的拓扑关系进行更新，根据更新后的目标电网中各节点之间的拓扑关系，确定目标电网中各节点之间的通信拓扑结构和电力拓扑结构，将目标电网中各节点之间的电力拓扑结构作为目标电网的拓扑结构；
通过电网运行场景生成模型的生成器，根据所述目标电网的拓扑结构和初始特征矩阵，生成所述目标电网的目标电网运行场景图；其中，所述生成器是指基于目标电网的拓扑结构和初始特征矩阵，生成目标电网运行场景图的生成网络；所述初始特征矩阵中的各特征值呈正态分布，所述初始特征矩阵的各特征值的数量和维度，与样本特征矩阵的各特征值的数量和维度相同；样本特征矩阵是电网运行场景生成模型训练过程中，生成样本电网的训练电网运行场景图时利用到的矩阵；
其中，电网运行场景生成模型的训练方式，包括：
根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本；其中，电网运行数据样本包括：各节点的有功功率和无功功率；
根据所述样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵；根据所述样本电网中各节点的电网运行数据样本，确定所述样本电网的样本特征矩阵；根据所述样本电网的拓扑邻接矩阵和样本特征矩阵，确定所述样本电网的训练电网运行场景图；
通过生成对抗网络模型的生成器，根据所述样本电网的拓扑结构和初始特征矩阵，生成所述样本电网的样本电网运行场景图；
通过生成对抗网络模型的判别器，根据所述样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性；
根据样本电网运行场景图的准确性，调整生成对抗网络模型的生成器和判别器的网络参数，得到所述电网运行场景生成模型。
2.根据权利要求1所述的方法，其特征在于，所述通过电网运行场景生成模型的生成器，根据所述目标电网的拓扑结构和初始特征矩阵，生成所述目标电网的目标电网运行场景图，包括：
根据所述目标电网的拓扑结构，构建所述目标电网中各节点之间的拓扑邻接矩阵；
通过电网运行场景生成模型的生成器，根据所述目标电网中各节点之间的拓扑邻接矩阵和所述初始特征矩阵，确定目标特征矩阵，并根据所述目标特征矩阵和所述拓扑邻接矩阵，生成所述目标电网的目标电网运行场景图。
3.根据权利要求2所述的方法，其特征在于，所述通过电网运行场景生成模型的生成器，根据所述目标电网中各节点之间的拓扑邻接矩阵和所述初始特征矩阵，确定目标特征矩阵，包括：
通过电网运行场景生成模型的生成器，根据所述目标电网中各节点之间的拓扑邻接矩阵，确定目标电网的度矩阵，并根据所述拓扑邻接矩阵、所述初始特征矩阵和所述度矩阵，确定目标特征矩阵。
4.根据权利要求1所述的方法，其特征在于，所述通过生成对抗网络模型的判别器，根据所述样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性，包括：
根据所述样本电网的样本电网运行场景图，对样本电网中的各节点进行潮流计算，确定所述样本电网中各节点的样本电压数据；
根据所述样本电网的训练电网运行场景图，对样本电网中的各节点进行潮流计算，确定所述样本电网中各节点的训练电压数据；
将所述样本电压数据和所述训练电压数据输入到生成对抗网络模型的判别器中，得到样本电网运行场景图的准确性。
5.根据权利要求1所述的方法，其特征在于，所述获取样本电网中各节点的电网运行数据样本，包括：
根据样本电网的拓扑结构，搭建样本电网的仿真运行环境；
通过蒙特卡洛仿真软件，基于所述仿真运行环境，仿真样本电网中各节点的负荷数据；
根据样本电网中各节点的负荷数据，确定样本电网中各节点的电网运行数据样本。
6.根据权利要求2所述的方法，其特征在于，所述根据所述目标特征矩阵和所述拓扑邻接矩阵，生成所述目标电网的目标电网运行场景图，包括：
将所述目标特征矩阵和所述拓扑邻接矩阵输入至图卷积网络中，生成目标电网的目标电网运行场景图。
7.根据权利要求1所述的方法，其特征在于，所述目标电网运行场景图采用Graph形式的图。
8.一种电网运行场景生成装置，其特征在于，包括：
第一获取模块，用于根据目标电网中各节点在预设时段内的运行状态，对目标电网中各节点之间的拓扑关系进行更新，根据更新后的目标电网中各节点之间的拓扑关系，确定目标电网中各节点之间的通信拓扑结构和电力拓扑结构，将目标电网中各节点之间的电力拓扑结构作为目标电网的拓扑结构；
第一生成模块，用于通过电网运行场景生成模型的生成器，根据所述目标电网的拓扑结构和初始特征矩阵，生成所述目标电网的目标电网运行场景图；其中，所述初始特征矩阵中的各特征值呈正态分布；
模型训练模块，用于对电网运行场景生成模型进行训练，电网运行场景生成模型的训练方式，包括：
根据样本电网中各节点之间拓扑关系，获取样本电网的拓扑结构，以及获取样本电网中各节点的电网运行数据样本；其中，电网运行数据样本包括：各节点的有功功率和无功功率；
根据所述样本电网的拓扑结构，确定样本电网的中各节点之间的拓扑邻接矩阵；根据所述样本电网中各节点的电网运行数据样本，确定所述样本电网的样本特征矩阵；根据所述样本电网的拓扑邻接矩阵和样本特征矩阵，确定所述样本电网的训练电网运行场景图；
通过生成对抗网络模型的生成器，根据所述样本电网的拓扑结构和初始特征矩阵，生成所述样本电网的样本电网运行场景图；
通过生成对抗网络模型的判别器，根据所述样本电网的样本电网运行场景图和训练电网运行场景图，确定样本电网运行场景图的准确性；
根据样本电网运行场景图的准确性，调整生成对抗网络模型的生成器和判别器的网络参数，得到所述电网运行场景生成模型。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的电网运行场景生成方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的电网运行场景生成方法的步骤。
CN202310458659.0A 2023-04-26 2023-04-26 电网运行场景生成方法、装置、计算机设备和存储介质 Active CN116167289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310458659.0A CN116167289B (zh) 2023-04-26 2023-04-26 电网运行场景生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310458659.0A CN116167289B (zh) 2023-04-26 2023-04-26 电网运行场景生成方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN116167289A CN116167289A (zh) 2023-05-26
CN116167289B true CN116167289B (zh) 2023-09-15

Family

ID=86416796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310458659.0A Active CN116167289B (zh) 2023-04-26 2023-04-26 电网运行场景生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116167289B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116526477B (zh) * 2023-06-30 2024-03-26 南方电网数字电网研究院有限公司 电网重构策略的确定方法、装置、计算机设备和存储介质
CN116882408B (zh) * 2023-09-07 2024-02-27 南方电网数字电网研究院有限公司 变压器图模型的构建方法、装置、计算机设备和存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765582A (zh) * 2019-09-24 2020-02-07 河海大学常州校区 基于马尔可夫链的自组织中心K-means微电网场景划分方法
CN111914486A (zh) * 2020-08-07 2020-11-10 中国南方电网有限责任公司 一种基于图注意力网络的电力系统暂态稳定评估方法
CN111932396A (zh) * 2020-06-05 2020-11-13 国网江苏省电力有限公司 一种配电网拓扑网络自动识别方法
CN112686292A (zh) * 2020-12-25 2021-04-20 国网辽宁省电力有限公司信息通信分公司 一种基于图注意力网络的电力网络拓扑辨识方法
US11063472B1 (en) * 2020-03-03 2021-07-13 Topolonet Corporation Topology identification and state estimation of power grids
CN113141008A (zh) * 2021-04-23 2021-07-20 国网陕西省电力公司电力科学研究院 一种数据驱动的配电网分布式新能源消纳能力评估方法
CN113672775A (zh) * 2021-08-06 2021-11-19 南方电网数字电网研究院有限公司 一种电网实时图并行计算方法
CN114006413A (zh) * 2021-10-29 2022-02-01 中国电力科学研究院有限公司 一种基于图神经网络的电力系统暂态稳定控制方法及系统
CN114004155A (zh) * 2021-11-01 2022-02-01 清华大学 考虑电力系统拓扑结构特征的暂态稳定评估方法及装置
CN114779015A (zh) * 2022-04-28 2022-07-22 浙江大学 基于超分辨率和图神经网络的配电网故障诊断与定位方法
CN115496144A (zh) * 2022-09-21 2022-12-20 深圳供电局有限公司 配电网运行场景确定方法、装置、计算机设备和存储介质
CN115526267A (zh) * 2022-10-19 2022-12-27 华北电力科学研究院有限责任公司 一种配电网运行场景提取方法及装置
CN115687882A (zh) * 2022-11-08 2023-02-03 广东电网有限责任公司 一种输电断面极限传输容量概率分布估计方法及装置
CN115936303A (zh) * 2022-10-17 2023-04-07 国网河北省电力有限公司 基于机器学习模型进行暂态电压安全分析方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765582A (zh) * 2019-09-24 2020-02-07 河海大学常州校区 基于马尔可夫链的自组织中心K-means微电网场景划分方法
US11063472B1 (en) * 2020-03-03 2021-07-13 Topolonet Corporation Topology identification and state estimation of power grids
CN111932396A (zh) * 2020-06-05 2020-11-13 国网江苏省电力有限公司 一种配电网拓扑网络自动识别方法
CN111914486A (zh) * 2020-08-07 2020-11-10 中国南方电网有限责任公司 一种基于图注意力网络的电力系统暂态稳定评估方法
CN112686292A (zh) * 2020-12-25 2021-04-20 国网辽宁省电力有限公司信息通信分公司 一种基于图注意力网络的电力网络拓扑辨识方法
CN113141008A (zh) * 2021-04-23 2021-07-20 国网陕西省电力公司电力科学研究院 一种数据驱动的配电网分布式新能源消纳能力评估方法
CN113672775A (zh) * 2021-08-06 2021-11-19 南方电网数字电网研究院有限公司 一种电网实时图并行计算方法
CN114006413A (zh) * 2021-10-29 2022-02-01 中国电力科学研究院有限公司 一种基于图神经网络的电力系统暂态稳定控制方法及系统
CN114004155A (zh) * 2021-11-01 2022-02-01 清华大学 考虑电力系统拓扑结构特征的暂态稳定评估方法及装置
CN114779015A (zh) * 2022-04-28 2022-07-22 浙江大学 基于超分辨率和图神经网络的配电网故障诊断与定位方法
CN115496144A (zh) * 2022-09-21 2022-12-20 深圳供电局有限公司 配电网运行场景确定方法、装置、计算机设备和存储介质
CN115936303A (zh) * 2022-10-17 2023-04-07 国网河北省电力有限公司 基于机器学习模型进行暂态电压安全分析方法
CN115526267A (zh) * 2022-10-19 2022-12-27 华北电力科学研究院有限责任公司 一种配电网运行场景提取方法及装置
CN115687882A (zh) * 2022-11-08 2023-02-03 广东电网有限责任公司 一种输电断面极限传输容量概率分布估计方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于GNN的电网动态特性评估及其知识图谱应用;张晓华 等;《华中科技大学学报（自然科学版）》;第51卷(第3期);第47-51页 *
基于图卷积网络的微电网拓扑辨识;孙伟 等;《电力系统自动化》;第46卷(第5期);第71-81页 *
基于空间分割的电力大数据三维全景可视化场景管理方法;曲朝阳 等;《华北电力大学学报》;第43卷(第2期);第23-29页 *
电力设备健康管理知识图谱：基本概念、关键技术及研究进展;黄文琦 等;《电力系统自动化》;第46卷(第03期);第1-13页 *

Also Published As

Publication number Publication date
CN116167289A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN116167289B (zh) 电网运行场景生成方法、装置、计算机设备和存储介质
Miessi Sanches et al. Ordinary least squares estimation of a dynamic game model
CN115564152A (zh) 基于stirpat模型的碳排放量预测方法及装置
Janczura et al. Goodness-of-fit testing for the marginal distribution of regime-switching models with an application to electricity spot prices
CN113326343B (zh) 基于多级网格和文件索引的路网数据存储方法及系统
CN116526477B (zh) 电网重构策略的确定方法、装置、计算机设备和存储介质
CN116800671A (zh) 数据传输方法、装置、计算机设备、存储介质和程序产品
CN116191398A (zh) 负荷预测方法、装置、计算机设备和存储介质
CN116523001A (zh) 电网薄弱线路识别模型构建方法、装置和计算机设备
Li et al. Degree distribution of large networks generated by the partial duplication model
CN114691630A (zh) 一种智慧供应链大数据共享方法及系统
US20110257943A1 (en) Node-based transient acceleration method for simulating circuits with latency
CN112488528A (zh) 数据集的处理方法、装置、设备和存储介质
CN111612419A (zh) 电力申报数据的处理方法、装置和计算机设备
CN116796926B (zh) 低压侧新能源资源聚合容量评估方法及装置、介质、设备
CN116882408B (zh) 变压器图模型的构建方法、装置、计算机设备和存储介质
CN116701784A (zh) 网点查找方法、装置、设备、存储介质和程序产品
CN117526289A (zh) 配电网分区方法、装置、计算机设备和存储介质
CN117035997A (zh) 风险预测方法、装置、计算机设备和存储介质
CN117829287A (zh) 知识图谱嵌入模型性能评估方法、装置、设备和存储介质
CN116258068A (zh) 电力系统的暂态稳定评估方法、装置和计算机设备
CN116882008A (zh) 基于数据驱动的变电站建筑信息模型生成方法和装置
CN115187042A (zh) 一种概率电压评估方法、装置、存储介质及系统
CN117743345A (zh) 电力监控数据的存储方法、装置、计算机设备和存储介质
CN116401323A (zh) 指标数据处理方法、装置及计算机设备

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