[发明专利]一种低压台区户变拓扑辨识方法及系统

权利要求书

1.一种低压台区户变拓扑辨识方法，其特征在于，包括：

获取待辨识供电台区的多个用户电表、分支箱和配电变压器的实时运行数据，以及历史台区拓扑；所述运行数据至少包括：电压、电流和电能计量数据；

将待辨识供电台区的运行数据分别处理为热力图和序列,并将其与历史台区拓扑进行特征匹配:将待辨识供电台区的多个采集设备的运行数据复制为两份相同的副本，并将其分别处理为热力图和序列；将每个采集设备根据时间特性和电气特性进行匹配，得到每个采集设备电气特性的热力图及其对应的序列;

将特征匹配后的热力图、序列和历史台区拓扑，输入到训练完成的多源时空神经网络中，得到实时待辨识供电台区拓扑；所述训练完成的多源时空神经网络通过如下方法训练：获取多个台区的拓扑、用户电表、分支箱和配电变压器的运行数据；将每个台区的用户电表、分支箱和配电变压器的运行数据分别处理为热力图和序列,并将其和历史台区拓扑作为样本，对应的台区拓扑作为标签构建训练数据集；利用所述训练数据集，训练所述多源时空神经网络，直至其误差低于阈值且趋于稳定，得到训练完成的多源时空神经网络；所述多源时空神经网络包括卷积神经网络、LSTM、图神经网络和全连接层，所述全连接层分别与LSTM和图神经网络连接，所述卷积神经网络，用于提取特征匹配后的热力图的图像特征；所述LSTM，用于提取特征匹配后的序列的序列特征；所述图神经网络，用于特征匹配后的历史台区拓扑的语义特征；所述全连接层，用于融合图像特征、序列特征和语义特征，并输出台区拓扑。

2.根据权利要求1所述的低压台区户变拓扑辨识方法，其特征在于，所述电气特性的热力图及其对应的序列为每个采集设备电气特性的电压采样值和电能计量值的序列。

3.根据权利要求1所述的低压台区户变拓扑辨识方法，其特征在于，所述图神经网络通过如下方法构建：

将历史台区拓扑中的每个采集设备映射到三维GIS地图上，并将每个采集设备的地理位置作为节点，采集设备之间的输入输出关系作为边，采集设备之间的相关关系作为权，构建图神经网络。

4.一种低压台区户变拓扑辨识系统，其特征在于，包括：

获取模块，用于获取待辨识供电台区的多个用户电表、分支箱和配电变压器的实时运行数据，以及历史台区拓扑；所述运行数据至少包括：电压、电流和电能计量数据；

匹配模块，用于将待辨识供电台区的运行数据分别处理为热力图和序列,并将其与历史台区拓扑进行特征匹配:将待辨识供电台区的多个采集设备的运行数据复制为两份相同的副本，并将其分别处理为热力图和序列；将每个采集设备根据时间特性和电气特性进行匹配，得到每个采集设备电气特性的热力图及其对应的序列;

输出模块，用于将特征匹配后的热力图、序列和历史台区拓扑，输入到训练完成的多源时空神经网络中，得到实时待辨识供电台区拓扑；所述训练完成的多源时空神经网络通过如下方法训练：获取多个台区的拓扑、用户电表、分支箱和配电变压器的运行数据；将每个台区的用户电表、分支箱和配电变压器的运行数据分别处理为热力图和序列,并将其和历史台区拓扑作为样本，对应的台区拓扑作为标签构建训练数据集；利用所述训练数据集，训练所述多源时空神经网络，直至其误差低于阈值且趋于稳定，得到训练完成的多源时空神经网络；所述多源时空神经网络包括卷积神经网络、LSTM、图神经网络和全连接层，所述全连接层分别与LSTM和图神经网络连接，所述卷积神经网络，用于提取特征匹配后的热力图的图像特征；所述LSTM，用于提取特征匹配后的序列的序列特征；所述图神经网络，用于特征匹配后的历史台区拓扑的语义特征；所述全连接层，用于融合图像特征、序列特征和语义特征，并输出台区拓扑。

5.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至3任一项所述的低压台区户变拓扑辨识方法。

6.一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的低压台区户变拓扑辨识方法。