[发明专利]一种基于图神经网络的电网潮流调整方法

说明书

一种基于图神经网络的电网潮流调整方法，属于电网控制技术领域。为了解决目前的人工调整电网潮流的方式存在耗费人力资源且速度很慢的问题。本发明利用图神经网络模型对电网异构图节点的电网数据进行图嵌入处理；然后针对图嵌入处理后不收敛的电网数据，基于强化学习的方式进行电网参数调整；图神经网络模型进行图嵌入处理时，利用重启随机游走的方式进行电网的节点采样，先将同一节点的不同参数转化成维度相同的特征，再对转换后的不同参数对应的特征进行不分先后顺序的聚合，然后针对目标节点选择将相同类型的邻居节点进行聚合，最后有权重地聚合不同类型邻居节点和目标节点参数。主要用于电网潮流调整。

技术领域

本发明涉及一种电网潮流调整方法，属于电网控制技术领域。

背景技术

电网是一个非常复杂且重要的系统，关于电网如何有效稳定运行的研究非常重要，电力系统进行设计、规划结构以及对电力系统的调度优化以其为基础，所以它具有重要的意义。

电力系统的潮流计算是一组高阶非线性方程，迭代是计算这种方程的有效方法，因此，如果想要成功进行潮流计算，那就要确保它是能够收敛的，这样才能最终成功进行计算并给出答案。然而科技经济的快速增长，使得城市化程度越来越高，因此电网具有了更大的规模，一直在飞速增长，使得电网潮流收敛常常难以达成。一般情况下会有两种不收敛形式：第一种形式是因为算法的各种问题导致在有合理解的情况下也没办法得到正确的解；第二种形式是由于电网的各种参数条件的问题而导致没有合理解。当面对第二种形式时，就需要对于给定的参数条件进行修改(比如发电机的有功发电、无功发电修改等)使潮流计算收敛。

目前潮流不收敛主要是通过人为地手动进行调整，调整过程中非常依赖专家经验，要进行大量且复杂的试错过程，严重依赖专家经验，大量地耗费人力资源且速度很慢。我国的大电网规模极其庞大，不收敛的情况时有发生，而对于大电网来说，参数数量往往难以想象，需要改变的参数不可计数，这样进行人工调整使得潮流收敛是一项严峻的考验，速度极低且对人工消耗很大。综合以上所说的几点可以看出，传统的潮流计算以及潮流调整的方法具有很多难以容忍的问题，非常需要一种能够解放人力的方法，利用计算机的强大性能来实现对电网参数的自动调整以使得电网潮流能够成功收敛，这样可以节省大量的人力资源，还能够提高精度，因此，实现潮流计算收敛的自动调整具有重要的意义。

人工智能技术利用了计算机的强大算力，因此可以考虑把人工智能应用到潮流收敛调整上去解放人力，而确实有不少相关的应用，使用人工智能进行电力系统潮流计算收敛调整还是在一个起步阶段，虽然有一些成果，但是很多论文中是处于尝试阶段，而且大多数都无法用于实际的电力系统潮流计算收敛调整中，在很多时候，还是需要依靠数学方面的改进来实现潮流收敛调整，这说明用人工智能做潮流收敛调整方面大有可为。而且，目前对于潮流收敛调整的研究中，电力系统的拓扑结构较少被考虑在内。所以，目前的方法还存在一些缺陷：

(1)人工智能参与电力系统潮流计算收敛调整往往处于尝试阶段，难以应用于实际的电力系统。

(2)对于特征的选取，目前的工作中没有较好地分析论证如何选择特征，大多依靠经验选择。

(3)算法往往未考虑电网的拓扑结构。

发明内容

本发明是为了解决目前的人工调整电网潮流的方式存在耗费人力资源且速度很慢的问题，以及现有的基于人工智能调整方式存在难以应用于实际的电力系统的问题。

一种基于图神经网络的电网潮流调整方法，首先利用图神经网络模型对电网异构图节点的电网数据进行图嵌入处理；然后针对图嵌入处理后不收敛的电网数据，基于强化学习的方式进行电网参数调整；

其中，利用图神经网络模型对电网异构图节点的电网数据进行图嵌入处理的过程包括以下步骤：

利用重启随机游走的方式进行电网的节点采样；