一种基于深度学习的智能变电站分布式状态估计系统的制作方法

摘要: 本发明涉及电力系统数字化与人工智能交叉领域,尤其涉及一种基于深度学习的智能变电站分布式状态估计系统。背景技术:1、图神经网络与分布式优化技术因为在复杂拓扑中具备...
一种基于深度学习的智能变电站分布式状态估计系统的制作方法

本发明涉及电力系统数字化与人工智能交叉领域,尤其涉及一种基于深度学习的智能变电站分布式状态估计系统。

背景技术:

1、图神经网络与分布式优化技术因为在复杂拓扑中具备特征提取与协同计算能力,近年来被广泛应用于智能变电站状态估计、配网拓扑识别、广域监测等领域,成为新型电力系统数字化的重要发展方向。然而在实际应用中,变电站状态估计场景面临多源数据异构、拓扑动态重构、边界交互受限等诸多挑战,图神经网络与分布式计算的部署效果仍受多方面制约。

2、目前多数变电站状态估计方法依赖纯数据驱动的单一特征输入,难以充分利用scada慢速量测与pmu高速量测的多源信息,且忽略了基尔霍夫定律等物理机理的约束,导致对复杂运行状态的建模缺乏物理可解释性与全面性;部分分布式估计系统仅采用固定参数的优化算法处理区域边界一致性,未能结合边界支路的电气耦合强度进行自适应调节,限制了复杂拓扑下边界协同对齐的收敛精度。同时,传统量测预处理逻辑缺乏抗差辨识与动态惩罚机制,难以向运维方提供清晰的坏数据定位与剔除依据,影响状态估计结果的鲁棒性与可信度。

3、此外,现有图卷积网络在状态估计中的模型参数大多为离线静态设计,未能根据运行过程中暴露的坏数据分布与拓扑变化进行动态调整,导致局部区域拓扑重构或量测异常时模型无法有效纠偏,难以适应智能变电站运行方式的不断变化与演化,严重影响模型在真实场景中的实用价值与长期稳定性。

4、因此,如何提供一种基于深度学习的智能变电站分布式状态估计系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于深度学习的智能变电站分布式状态估计系统,本发明充分融合多源量测数据时空对齐、物理约束特征编码、分布式局部推理与抗差坏数据辨识等关键步骤,构建了具备动态拓扑感知、物理数据双分支加权融合与局部在线微调的全景状态智能估计流程。本发明的核心改进点在于一致性对齐环节采用改进的sqp算法,引入基于动态图邻接矩阵提取的区域边界耦合拓扑特征,构建自适应修正的海森矩阵阻尼项,实现了边界不一致性惩罚与迭代寻优方向的自适应动态调节。本发明具备状态建模物理可解释、边界对齐收敛精度高、抗差辨识鲁棒性强与模型在线演进灵活等优点,能够显著提升复杂拓扑与多源异构环境下状态估计的准确性与抗干扰能力,从而有效解决现有方法中纯数据驱动缺乏机理约束、分布式边界协同刚性迭代易发散及模型难以自适应在线演进等问题。

2、根据本发明实施例的一种基于深度学习的智能变电站分布式状态估计系统,包括如下模块:

3、数据采集模块,用于同步采集智能变电站的多源量测数据及网络拓扑动态信息;

4、图模型构建模块,用于基于网络拓扑动态信息构建动态图邻接矩阵,并将多源量测数据映射为图节点的时空特征向量,生成标准化图模型数据集;

5、特征编码模块,用于将标准化图模型数据集的空间关联特征作为数据分支特征,同时计算多源量测数据的物理残差特征作为物理分支特征,加权融合输出物理约束特征编码;

6、局部估计模块,用于根据智能变电站的物理电气间隔将全站划分为分布式计算区域,各分布式计算区域在本地对物理约束特征编码进行前向推理,得到各区域内节点的本地状态估计值,并提取出边界节点的局部状态估计值;

7、一致性对齐模块,用于将边界节点的局部状态估计值输入分布式计算区域,利用改进的sqp算法,引入区域边界耦合拓扑特征,构建自适应修正的海森矩阵阻尼项,局部构建二次规划子问题,交替求解局部子问题与更新对偶变量,将修正后的边界节点的局部状态估计值与各区域未参与边界迭代的本地内部节点状态进行融合拼合,输出全局一致性状态估计值;

8、抗差辨识模块,用于对全局一致性状态估计值进行抗差计算,结合动态赋予的传感器置信度权重与拓扑一致性惩罚项计算各量测数据点的物理偏离度指标,并进行剔除与标记,输出抗差状态估计结果;

9、在线微调模块,用于基于抗差状态估计结果及标记的坏数据分布,对存在坏数据或拓扑发生变化的分布式计算区域进行网络权重的在线微调,输出变电站全景状态估计结果。

10、可选的,所述数据采集模块具体包括:

11、通过全局定位系统或网络时间协议对智能变电站内的scada系统与pmu发送同步对时信号,触发scada系统与pmu在同一时间断面下分别采集慢速伪量测值与高速相量量测值;

12、对scada系统的慢速伪量测值执行插值与重采样操作,将慢速伪量测值的时间间隔对齐至pmu的高速相量量测值的时间间隔,形成多源量测数据;

13、通过遥信采集装置实时读取智能变电站中开关刀闸的开合位置信号,将开合位置信号转换为开关刀闸的实时开合状态,通过参数配置系统调用智能变电站的设备台账数据,提取与开关刀闸相连的支路阻抗参数;

14、将统一时间尺度后的多源量测数据、开关刀闸的实时开合状态与支路阻抗参数按时间戳进行对齐拼接,输出同步后的多源量测数据及网络拓扑动态信息。

15、可选的,所述图模型构建模块具体包括:

16、读取网络拓扑动态信息中的开关刀闸的实时开合状态,当开关刀闸处于闭合状态时,将对应的变电站节点之间标记为连通,当开关刀闸处于断开状态时,将对应的变电站节点之间标记为断开,生成节点连通关系;

17、读取网络拓扑动态信息中的支路阻抗参数,将支路阻抗参数取倒数计算得到支路导纳数值,将支路导纳数值作为对应连通变电站节点之间的边权重,结合节点连通关系构建表征变电站节点与支路连接关系的动态图邻接矩阵;

18、读取多源量测数据中的慢速伪量测值与高速相量量测值,将每个变电站节点对应的有功功率、无功功率、电压幅值与电流幅值按时间顺序排列,构成节点原始量测序列;

19、对节点原始量测序列执行滑动窗口均值计算与方差归一化操作,将量测数值压缩至0至1的数值区间,消除不同物理量之间的量纲差异,将归一化后的序列映射为图节点的时空特征向量;

20、将动态图邻接矩阵作为图结构的边输入,将图节点的时空特征向量作为图结构的节点输入,按照时间戳将边输入与节点输入进行组合对齐,生成标准化图模型数据集。

21、可选的,所述特征编码模块具体包括:

22、将标准化图模型数据集输入图卷积网络,沿动态图邻接矩阵指示的连通关系,对每个变电站节点聚合相邻节点的图节点的时空特征向量,将聚合后的时空特征向量与自身时空特征向量顺序拼接并经过线性变换,输出标准化图模型数据集的空间关联特征作为数据分支特征;

23、读取多源量测数据中的慢速伪量测值与高速相量量测值作为实际量测值,基于基尔霍夫定律计算各变电站节点的功率计算值与电压计算值,将实际量测值减去对应的计算值得到差值,将各变电站节点的差值按节点顺序组合,输出多源量测数据的物理残差特征作为物理分支特征;

24、对数据分支特征与物理分支特征分别计算标准差并取倒数,将数据分支特征对应的标准差倒数作为第一加权系数,将物理分支特征对应的标准差倒数作为第二加权系数,对第一加权系数与第二加权系数执行归一化处理得到数据融合权重与物理融合权重;

25、将数据分支特征乘以数据融合权重,将物理分支特征乘以物理融合权重,将两路加权结果按元素相加,并通过leaky relu激活函数进行非线性映射,输出物理约束特征编码。

26、可选的,所述局部估计模块具体包括:

27、读取智能变电站的物理电气间隔配置信息,将属于同一物理电气间隔内的变电站节点划分至同一计算集群,将不同物理电气间隔之间的连接节点标记为边界节点,将各计算集群对应的空间范围确定为分布式计算区域;

28、在各分布式计算区域内,读取本地所属变电站节点的物理约束特征编码并执行线性变换,将输出结果执行leaky relu非线性激活映射,输出各区域内每个变电站节点的电压幅值与相角作为各区域内节点的本地状态估计值;

29、遍历各分布式计算区域的节点划分结果,筛选出同时属于两个或多个分布式计算区域的变电站节点,将这些变电站节点对应的本地状态估计值单独提取出来,并作为边界节点的局部状态估计值输出。

30、可选的,所述一致性对齐模块具体包括:

31、为每个边界节点初始化一个数值为0的对偶变量作为边界不一致性的惩罚初值,将边界节点的局部状态估计值输入对应的分布式计算区域,在各分布式计算区域之间仅交互边界节点的局部状态估计值与对偶变量;

32、读取动态图邻接矩阵,提取行号与列号分别属于不同分布式计算区域的矩阵元素,读取矩阵元素对应的支路导纳数值,将关联同一对边界节点的两个支路导纳数值执行相乘操作后对乘积执行开方计算,将开方计算的结果标定为区域边界耦合拓扑特征;

33、计算当前迭代步的对偶变量与上一步迭代对偶变量的差值作为对偶变量差值,将区域边界耦合拓扑特征作为自适应调节系数与对偶变量差值相乘,得到阻尼调节项,计算当前迭代步的边界节点的局部状态估计值与预设的边界一致性对齐目标的差值作为边界约束残差,将当前迭代步的对偶变量与边界约束残差执行相乘操作得到乘积项;

34、将动态图邻接矩阵中边界节点对应的行向量与物理约束特征编码执行矩阵乘法操作后与边界节点的局部状态估计值执行向量内积操作,将内积结果乘以预设比例系数得到局部拓扑耦合二次项,将乘积项与局部拓扑耦合二次项执行相加操作,将相加结果确定为拉格朗日函数;

35、计算拉格朗日函数关于边界节点的局部状态估计值的二阶偏导数,将所有二阶偏导数按边界节点编号顺序排列组合构建为方阵,输出方阵作为标准海森矩阵,将阻尼调节项与标准海森矩阵中对角线位置对应的元素相加,替换原有的对角线元素数值,得到自适应修正的海森矩阵阻尼项;

36、在每个分布式计算区域内,利用自适应修正的海森矩阵阻尼项计算并输出修正后的边界节点的局部状态估计值与本地内部节点的本地状态估计值对齐后执行向量拼接操作,输出全局一致性状态估计值。

37、可选的,所述在每个分布式计算区域内,利用自适应修正的海森矩阵阻尼项计算并输出修正后的边界节点的局部状态估计值与本地内部节点的本地状态估计值对齐后执行向量拼接操作,输出全局一致性状态估计值,具体包括:

38、在每个分布式计算区域内,将自适应修正的海森矩阵阻尼项提取为二次项系数矩阵,将边界约束残差乘以预设的梯度缩放系数计算得到一次项梯度向量,将当前迭代步的对偶变量与区域边界耦合拓扑特征逐元素相乘,并按行顺序排列拼接生成等式约束系数矩阵,将二次项系数矩阵、一次项梯度向量与等式约束系数矩阵按预设的二次规划标准数据格式执行拼接操作,局部生成关于边界约束残差的二次规划子问题;

39、对二次规划子问题执行求解操作,输出边界约束残差的最优修正量,将当前迭代步的边界节点的局部状态估计值与最优修正量按元素相加,执行边界节点的局部状态估计值的局部更新,将当前迭代步的对偶变量与区域边界耦合拓扑特征执行逐元素相乘并按行顺序排列拼接生成转置约束系数矩阵;

40、将转置约束系数矩阵与当前迭代步的边界约束残差执行矩阵乘法操作得到拉格朗日乘子梯度,将拉格朗日乘子梯度与预设步长执行相乘操作得到乘子更新步长,将当前迭代步的对偶变量与乘子更新步长执行相减操作,执行对偶变量的累加更新;

41、重复执行局部更新与对偶变量累加更新,计算当前迭代步更新后的边界节点的局部状态估计值与上一步迭代的边界节点的局部状态估计值的差值绝对值的最大值,将差值绝对值的最大值与预设收敛阈值执行比对操作,当差值绝对值的最大值小于预设收敛阈值时停止迭代,消除跨区域边界状态的不一致性,输出修正后的边界节点的局部状态估计值;

42、在各分布式计算区域内,读取未参与边界迭代的本地内部节点,提取本地内部节点的本地状态估计值,读取修正后的边界节点的局部状态估计值,将修正后的边界节点的局部状态估计值与本地内部节点的本地状态估计值按变电站节点编号执行顺序对齐操作,对齐后执行向量拼接操作,输出全局一致性状态估计值。

43、可选的,所述抗差辨识模块具体包括:

44、读取全局一致性状态估计值,基于基尔霍夫定律计算各变电站节点的功率计算值与电压计算值,将多源量测数据中的慢速伪量测值与高速相量量测值作为实际量测值,将实际量测值减去对应的功率计算值与电压计算值,输出各量测数据点的量测残差;

45、读取多源量测数据中各量测数据点对应的传感器类型,对pmu对应的高速相量量测值赋予第一置信度权重,对scada系统对应的慢速伪量测值赋予第二置信度权重,将第一置信度权重与第二置信度权重组合形成各量测数据点的传感器置信度权重;

46、读取动态图邻接矩阵,提取各变电站节点相邻的连通支路对应的支路导纳数值,将支路导纳数值与对应连通支路两端变电站节点的全局一致性状态估计值执行乘法操作并求取差值,将差值的绝对值作为各量测数据点的拓扑一致性惩罚项;

47、将各量测数据点的量测残差乘以对应的传感器置信度权重,并与对应的拓扑一致性惩罚项相加,将相加结果确定为各量测数据点的物理偏离度指标;

48、将各量测数据点的物理偏离度指标与预设偏离阈值执行比对操作,当物理偏离度指标大于或等于预设偏离阈值时,将对应的量测数据点判定为坏数据并执行剔除操作,同时对坏数据对应的位置添加剔除标记,当物理偏离度指标小于预设偏离阈值时,保留对应的量测数据点,将保留的量测数据点与剔除标记组合输出抗差状态估计结果。

49、可选的,所述在线微调模块具体包括:

50、读取抗差状态估计结果中标记的坏数据对应的位置信息,统计各分布式计算区域内坏数据的数量,读取动态图邻接矩阵,比对当前时间步与上一时间步的开关刀闸的实时开合状态,将发生状态变化的开关刀闸所在的分布式计算区域标记为拓扑变化区域;

51、将坏数据数量大于0的分布式计算区域与拓扑变化区域取并集,筛选出存在坏数据或拓扑发生变化的分布式计算区域作为待微调区域,将待微调区域之外的分布式计算区域标记为稳定区域;

52、在待微调区域内,将抗差状态估计结果中的电压幅值与相角作为目标标签,将待微调区域对应的物理约束特征编码作为网络输入,计算网络输出与目标标签之间的均方误差作为微调损失值;

53、基于微调损失值计算图卷积网络与局部估计模块中线性变换的权重梯度,采用随机梯度下降法将权重梯度乘以预设微调学习率得到权重更新量,将当前网络权重与权重更新量执行相减操作;

54、将在线微调后的图卷积网络与局部估计模块重新输出各变电站节点的电压幅值与相角,提取抗差状态估计结果中被剔除的坏数据对应的位置信息与剔除标记组合生成坏数据辨识清单,将各变电站节点的电压幅值、相角与坏数据辨识清单拼接,输出变电站全景状态估计结果。

55、本发明的有益效果是:

56、本发明通过全局定位系统或网络时间协议触发scada系统与pmu同步采集,针对变电站多源量测数据时间尺度不一与网络拓扑动态变化的问题,执行插值重采样与开合状态转换操作,生成统一时间尺度的多源量测数据及网络拓扑动态信息;通过构建动态图邻接矩阵与执行方差归一化操作,将多源量测数据映射为图节点的时空特征向量,生成标准化图模型数据集;将标准化图模型数据集分别输入图卷积网络提取空间关联特征,同时基于基尔霍夫定律计算物理残差特征,对两路特征执行标准差倒数的自适应加权融合,输出物理约束特征编码;在分布式计算阶段,采用改进的sqp算法,引入基于动态图邻接矩阵提取的区域边界耦合拓扑特征构建自适应修正的海森矩阵阻尼项,局部构建二次规划子问题交替求解,实现局部更新与全局边界对齐;在抗差计算阶段,结合传感器置信度权重与拓扑一致性惩罚项计算物理偏离度指标,精准剔除并标记坏数据;进一步通过在线微调机制,对存在坏数据或拓扑变化的分布式计算区域执行网络权重的动态更新。最终实现对智能变电站动态拓扑的自适应感知、物理约束与数据特征深度融合、分布式边界高精度对齐与坏数据抗差辨识的闭环状态估计,有效提升多源异构环境下状态估计的准确性与鲁棒性、边界协同的收敛性以及模型在线演进的适应能力。