一种特高压直流输电系统损耗计量方法及系统与流程

技术特征：
1.一种特高压直流输电系统损耗计量方法，其特征在于，包括：根据特高压直流输电系统的数字空间完整映射数据，确定深度多维关联特征；根据所述深度多维关联特征与缺失信息及未知损耗的掩码数据标记信息，计算特高压直流输电系统内未知的分元件的损耗计量数据；基于深度卷积神经网络构建编码解码模型框架，训练及更新所述损耗计量数据，计算特高压直流输电系统分元件损耗。2.根据权利要求1所述的方法，其特征在于，根据特高压直流输电系统的数字空间完整映射数据，确定深度多维关联特征，包括：在编码数据输入层输入特高压直流输电系统的数字空间完整映射数据；在拓扑特征提取模块内提取数字空间完整映射数据的位置编码特征，并确定特高压直流输电系统的拓扑关系；将所述位置编码特征送入n个所述编码层，感知重点设备参数并编码，确定深度多维关联特征。3.根据权利要求2所述的方法，其特征在于，确定特高压直流输电系统的拓扑关系，包括：使用d维向量来展现特高压直流输电系统的拓扑关系，下标t表示位置，即计算公式为：其中，sin和cos函数是有界的周期函数，k值用于区分索引坐标的奇偶值。4.根据权利要求1所述的方法，其特征在于，根据所述深度多维关联特征与缺失信息及未知损耗的掩码数据标记信息，计算特高压直流输电系统内未知的分元件的损耗计量数据，包括：将缺失信息及未知损耗的掩码数据标记信息从解码数据输入层输入；提取解码器输入的初次特征，将所述初次特征与所述深度多维关联特征合并一同送入解码层；处理最后一层解码层的输出特征，并得到特高压直流输电系统内未知的分元件的损耗计量数据；其中所述多任务交叉模块包括全感知层和激活层，共享之前模型的输出特征，在捕获联合特征的基础上，序列输出所有损耗计量数据。5.根据权利要求1所述的方法，其特征在于，基于深度卷积神经网络构建编码解码模型框架，训练及更新损耗计量数据，计算特高压直流输电系统分元件损耗，包括：基于深度卷积神经网络构建模型，在模型的训练过程中，建立损失函数：其中，以损失函数计算损耗值并反向传播，根据梯度信息更新模型参数；其中，m是输出
损耗的数量，x'
i
是第i个输出损耗，x
i
是第i个损耗的标签数据；c是调节因子，w
i
是第i层模型的参数，l是需要正则化处理的卷积层数量。6.一种特高压直流输电系统损耗计量系统，其特征在于，包括：确定深度多维关联特征模块，用于根据特高压直流输电系统的数字空间完整映射数据，确定深度多维关联特征；计算损耗计量数据模块，用于根据所述深度多维关联特征与缺失信息及未知损耗的掩码数据标记信息，计算特高压直流输电系统内未知的分元件的损耗计量数据；计算分元件损耗模块，用于基于深度卷积神经网络构建编码解码模型框架，训练及更新所述损耗计量数据，计算特高压直流输电系统分元件损耗。7.根据权利要求6所述的系统，其特征在于，确定深度多维关联特征模块，包括：输入数字空间完整映射数据子模块，用于在编码数据输入层输入特高压直流输电系统的数字空间完整映射数据；提取位置编码特征子模块，用于在拓扑特征提取模块内提取数字空间完整映射数据的位置编码特征，并确定特高压直流输电系统的拓扑关系；确定深度多维关联特征子模块，用于将所述位置编码特征送入n个所述编码层，感知重点设备参数并编码，确定深度多维关联特征。8.根据权利要求7所述的系统，其特征在于，提取位置编码特征子模块，包括：提取位置编码特征单元，用于使用d维向量来展现特高压直流输电系统的拓扑关系，下标t表示位置，即计算公式为：其中，sin和cos函数是有界的周期函数，k值用于区分索引坐标的奇偶值。9.根据权利要求6所述的系统，其特征在于，计算损耗计量数据模块，包括：输入掩码数据标记信息子模块，用于将缺失信息及未知损耗的掩码数据标记信息从解码数据输入层输入；合并特征子模块，用于提取解码器输入的初次特征，将所述初次特征与所述深度多维关联特征合并一同送入解码层；得到损耗计量数据子模块，用于处理最后一层解码层的输出特征，并得到特高压直流输电系统内未知的分元件的损耗计量数据；其中所述多任务交叉模块包括全感知层和激活层，共享之前模型的输出特征，在捕获联合特征的基础上，序列输出所有损耗计量数据。10.根据权利要求6所述的系统，其特征在于，计算分元件损耗模块，包括：建立损失函数子模块，用于基于深度卷积神经网络构建模型，在模型的训练过程中，建立损失函数：
其中，以损失函数计算损耗值并反向传播，根据梯度信息更新模型参数；其中，m是输出损耗的数量，x'
i
是第i个输出损耗，x
i
是第i个损耗的标签数据；c是调节因子，w
i
是第i层模型的参数，l是需要正则化处理的卷积层数量。

技术总结
本发明公开了一种特高压直流输电系统损耗计量方法及系统。该方法包括：根据特高压直流输电系统的数字空间完整映射数据，确定深度多维关联特征并；根据所述深度多维关联特征与缺失信息及未知损耗的掩码数据标记信息，计算特高压直流输电系统内未知的分元件的损耗计量数据；基于深度卷积神经网络构建编码解码模型框架，训练及更新所述损耗计量数据，计算特高压直流输电系统分元件损耗。从而，能够在输入数据存在缺失的情况下直接计算所有损耗数据，能够通过关联关系高维映射和深度特征提取实现高精度的损耗计量，具有足够的泛化能力，适用于各个电压等级的特高压直流输电系统。适用于各个电压等级的特高压直流输电系统。适用于各个电压等级的特高压直流输电系统。


技术研发人员：余佶成 郑欣 岳长喜 周峰 雷民 殷小东 禹文静 彭涛 梁思远 李登云 李鹤 熊魁 朱凯 徐子立
受保护的技术使用者：中国电力科学研究院有限公司 国网湖北省电力有限公司
技术研发日：2022.08.23
技术公布日：2022/11/25