适用于多源异构电网的运行方式拓扑结构特征提取方法

摘要

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。

说明书

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：

其中，n

上述特征提取方法的步骤(4)中的嵌入表示学习模型为：

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

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：

其中，n

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：

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

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。