[发明专利]一种配电网拓扑识别方法、电子设备及介质

权利要求书

1.一种配电网拓扑识别方法，其特征在于，包括以下步骤：

步骤1）根据配电网电压幅值的历史数据集中配电网的节点数目和电压幅值样本数建立第一矩阵，然后以相邻节点对的电压幅值并集作为相邻节点对的电压马尔可夫毯来建立第二矩阵，并基于第一矩阵和第二矩阵来建立配电网相邻节点对的电压幅值马尔可夫毯格式的电压幅值测量矩阵；

步骤2）基于配电网总的节点数和配电网电压幅值节点来建立作为马尔可夫毯图向量模型的矩阵，然后将矩阵分别与第二矩阵或相邻节点对中的节点对应于配电网中的位置来联合形成马尔可夫毯图向量压缩模型，再将马尔可夫毯图向量压缩模型作为神经网络中的图卷积层来形成马尔可夫毯图向量压缩神经网络；

步骤3）基于步骤1）的电压幅值测量矩阵对步骤2）的神经网络进行迭代训练，得到最优的马尔可夫毯图向量压缩神经网络模型；

步骤4）基于步骤3）的神经网络模型，根据实时的配电网节点电压幅值马尔可夫毯格式的电压幅值测量矩阵对配电网进行拓扑识别，得到配电网实时的线路拓扑通断信息；

所述的步骤2)中，马尔可夫毯图向量模型的矩阵通过以下方式建立：

构造马尔可夫毯图向量模型θ₁，θ₂:→R^N×d，其中，R表示实数空间；θ₁是大小为N×d的二维矩阵，其中每一行向量代表一个配电网电压幅值节点，θ₂是大小为L×d的二维矩阵，每一行向量代表一个配电网线路；N表示配电网总的节点数，L表示配电网的线路总数，d表示行向量的维度；

所述的步骤2)中，马尔可夫毯图向量压缩模型通过以下方式建立：

马尔可夫毯图向量压缩模型与是基于第二矩阵A^l和向量I_l来分别与马尔可夫毯图向量模型θ₁或θ₂进行矩阵乘法计算得到：

其中第二矩阵A^l的维度为N×N，A^l中的元素为：

其中，a_ij表示A^l中第i行第j列对应的元素；表示配电网节点对（v_i，v_j）的电压幅值马尔可夫毯中的电压幅值所对应的配电网节点；其中节点v_i的电压马尔可夫毯是指与节点v_i相邻的节点v_j的电压幅值的集合，则相邻节点对的电压幅值马尔可夫毯为配电网相邻节点对v_i和v_j的电压幅值马尔可夫毯的并集；

向量I_l的维度为1×L，I_l中的元素为：

上式中，Ω表示配电网相邻节点对（v_i，v_j）对应的线路l；

所述的步骤2)中，马尔可夫毯图向量压缩神经网络通过以下方式构造：

其中， V_m是电压幅值马尔可夫毯格式的电压幅值测量矩阵；b₁和b₂分别表示维度为d×1和1×1的偏置向量； ReLU(·)是ReLU函数(ReLU（x）=max（0，x）)，σ(·)是sigmoid函数(σ(x)=1/（1+e^-x）)；f是这个模型的输出，f小于0.5表示线路断开，f大于0.5表示线路正常运行；

所述的步骤3)包括以下过程：

用交叉熵建立损失函数：

式中，K表示每次迭代的电压幅值的样本数目；f ^k表示第k个样本电压幅值样本第l个配电网线路即相邻节点对（v_i，v_j）通过图向量压缩神经网络预测到的通断状态，大于0.5表示该线路预测正常运行，小于0.5表示该线路断开；表示第k个样本电压幅值样本第l个配电网线路即相邻节点对（v_i，v_j）实际的通断状态，表示该配电网线路实际正常运行，表示该配电网实际线路断开；

然后，根据所述的损失函数，通过反向传播的方式，对马尔可夫毯图向量模型θ₁，θ₂的参数进行不断的更新迭代直至拓扑识别的准确率达到预设的要求，并保存最优的马尔可夫毯图向量压缩神经网络模型。