有源配电网异动识别与定位方法、系统和计算机存储介质

本发明属于电力系统配电网，具体涉及有源配电网异动识别与定位方法、系统和介质。

背景技术：

1、光伏、风电、储能等分布式电源大规模接入配电网，传统单向辐射状配电网演变为功率双向流动的有源配电网。分布式电源随机接入、切除的投切行为会瞬时改变节点注入功率，引发电压偏移、潮流重分布，极易造成电压越限、继电保护误动，因此实现分布式电源投切异动的精准识别与节点定位，是保障有源配电网安全稳定运行的核心需求。

2、现有配电网异常监测技术主要分为物理模型法与数据驱动法两类。基于物理模型的阻抗法、行波法、加权最小二乘状态估计方法，高度依赖精准的线路阻抗、网络拓扑参数；而分布式电源频繁投切会造成拓扑动态变化，参数更新存在滞后，参数误差易导致计算发散，同时迭代求解耗时较长，难以满足异动实时监测需求。

3、传统数据驱动方法多采用svm、普通卷积神经网络，仅将电网电气量作为普通二维矩阵处理，对微弱分布式电源投切异动信号捕捉能力不足，使得现有技术难以适配高比例分布式电源接入下有源配电网的异动识别与精准定位需求。

技术实现思路

1、本发明的目的在于通过设计融合样本动态权重的加权联合损失函数且限定分类任务损失权重小于定位任务损失权重，削弱样本不均衡与多任务梯度冲突带来的识别偏差，可实现对分布式电源接入、切除异动行为的高精度类型识别与精准节点定位的有源配电网异动识别与定位方法。

2、为了实现上述目的，本发明提出了一种有源配电网异动识别与定位方法，包括：

3、通过潮流仿真模拟三种电网运行工况，采集各节点电气数据并打上异动标签，生成原始标注数据集，再分层拆分出训练、验证、测试三类样本，所述三种电网运行工况包括正常运行、分布式电源接入和分布式电源切除；对所述原始标注数据集做差分处理、多维特征提取，结合电网拓扑生成标准化图数据集；基于所述标准化图数据集构建多头注意力多任务网络模型，配置差异化注意力权重与双输出分支，得到初始化识别与定位模型；基于所述标准化图数据集与所述初始化识别与定位模型，统计样本数量计算样本权重构建加权联合损失函数，设定分类任务损失权重小于定位任务损失权重，基于所述加权联合损失函数迭代更新网络参数，得到异动识别与定位模型；采集现场电网实时量测数据，按照差分、多维特征提取、拓扑转换的相同处理方式生成实时图数据，将所述实时图数据输入所述异动识别与定位模型，输出分布式电源接入、切除投切行为的类型及异动节点编号，完成异动识别与定位。

4、在一种可选的实施方式中，基于所述标准化图数据集与所述初始化识别与定位模型，统计样本数量计算样本权重构建加权联合损失函数，设定分类任务损失权重小于定位任务损失权重，基于所述加权联合损失函数迭代更新网络参数，得到异动识别与定位模型，具体包括：统计所述标准化图数据集中正常节点样本总数、异动节点样本总数，计算得到正样本权重；基于正样本权重构建定位任务对应的加权二元交叉熵损失，构建分类任务对应的多分类交叉熵损失；设置分类任务损失权重和定位任务损失权重，且所述分类任务损失权重小于所述定位任务损失权重，融合两类损失得到加权联合损失函数；采用优化器依据加权联合损失函数反向传播，迭代更新所述初始化识别与定位模型的网络参数，直至模型收敛，得到所述异动识别与定位模型。

5、在一种可选的实施方式中，对所述原始标注数据集做差分处理、多维特征提取，结合电网拓扑生成标准化图数据集，具体包括：对所述原始标注数据集取相邻时刻电气量做差值完成差分处理，得到差分数据；基于所述差分数据提取多维特征；基于所述多维特征，以配电网母线、分布式电源为顶点，线路支路为边构建邻接矩阵，生成标准化图数据集。

6、在一种可选的实施方式中，所述差分处理为相邻采集时刻电气量作差值运算。

7、在一种可选的实施方式中，所述原始标注数据集采用蒙特卡洛模拟生成，采用分层抽样划分训练集、验证集、测试集，样本占比依次为70%、15%、15%。

8、在一种可选的实施方式中，所述多维特征包括差分电压、差分相角、差分有功、差分无功和邻域电压差值。

9、在一种可选的实施方式中，潮流仿真采用pandapower工具求解潮流，负荷波动区间为0.6~1.4倍额定负荷。

10、在一种可选的实施方式中，所述多头注意力多任务网络模型的注意力头数量为8，隐藏层特征维度设置为256。

11、本发明还提出了一种有源配电网异动识别与定位系统，用于实现所述的有源配电网异动识别与定位方法，所述系统包括：仿真数据生成模块，用于通过潮流仿真模拟正常运行、分布式电源接入、分布式电源切除三种电网运行工况，采集各节点电气数据并标注异动标签，生成原始标注数据集，并分层拆分出训练、验证、测试三类样本；数据预处理模块，与所述仿真数据生成模块相连，用于对所述原始标注数据集执行差分处理、多维特征提取，并结合电网拓扑生成标准化图数据集；网络构建模块，与所述数据预处理模块相连，用于基于所述标准化图数据集构建多头注意力多任务网络模型，配置差异化注意力权重与双输出分支，得到初始化识别与定位模型；模型训练模块，分别与所述数据预处理模块和所述网络构建模块相连，用于基于所述标准化图数据集与所述初始化识别与定位模型，统计样本数量计算样本权重构建加权联合损失函数，设定分类任务损失权重小于定位任务损失权重，基于所述加权联合损失函数迭代更新网络参数，得到异动识别与定位模型；在线监测模块，与所述模型训练模块相连，用于采集现场电网实时量测数据，按照差分、多维特征提取、拓扑转换的相同处理方式生成实时图数据，将所述实时图数据输入所述异动识别与定位模型，输出分布式电源接入、切除投切行为的类型及异动节点编号。

12、本发明还提出了一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的有源配电网异动识别与定位方法。

13、本发明的有益效果为：通过对异动样本施加差异化的惩罚权重，强制模型关注少数类样本，显著提升了模型在数据不均衡场景下的分类性能，能够高精度地识别并定位分布式电源的接入与切除行为。

1.一种有源配电网异动识别与定位方法，其特征在于，包括：

2.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，基于所述标准化图数据集与所述初始化识别与定位模型，统计样本数量计算样本权重构建加权联合损失函数，设定分类任务损失权重小于定位任务损失权重，基于所述加权联合损失函数迭代更新网络参数，得到异动识别与定位模型，具体包括：

3.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，对所述原始标注数据集做差分处理、多维特征提取，结合电网拓扑生成标准化图数据集，具体包括：

4.根据权利要求3所述的有源配电网异动识别与定位方法，其特征在于，所述差分处理为相邻采集时刻电气量作差值运算。

5.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，所述原始标注数据集采用蒙特卡洛模拟生成，采用分层抽样划分训练集、验证集、测试集，样本占比依次为70%、15%、15%。

6.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，所述多维特征包括差分电压、差分相角、差分有功、差分无功和邻域电压差值。

7.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，潮流仿真采用pandapower工具求解潮流，负荷波动区间为0.6~1.4倍额定负荷。

8.根据权利要求1所述的有源配电网异动识别与定位方法，其特征在于，所述多头注意力多任务网络模型的注意力头数量为8，隐藏层特征维度设置为256。

9.一种有源配电网异动识别与定位系统，其特征在于，用于实现如权利要求1至8中任一项所述的有源配电网异动识别与定位方法，所述系统包括：

10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的有源配电网异动识别与定位方法。