申请/专利权人：数据空间研究院

申请日：2024-01-26

公开（公告）日：2024-04-16

公开（公告）号：CN117892051A

主分类号：G06F17/16

分类号：G06F17/16;H02J3/00;H02J3/06;G06N3/042;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于线图卷积神经网络的线路故障后电网潮流计算方法，包括：1获取电网的关联矩阵、线图的邻接矩阵以及线图的拉普拉斯矩阵；2构建线图卷积神经网络；3构建损失函数；用线路故障前数据对线图卷积神经网络模型进行预训练，得到潮流计算基础模型；4用线路故障后的数据对潮流计算基础模型进行训练微调，得到最终潮流计算模型。本发明通过训练完成的模型可得到一个精度高、效率快且鲁棒的针对线路故障后的潮流计算模型，从而能解决现有模型聚合效率低、电网线路故障后训练数据少问题，并能进一步提高潮流计算的鲁棒性、精确性与效率。

主权项：1.一种基于线图卷积神经网络的线路故障后电网潮流计算方法，其特征在于，包括以下步骤：步骤1：获取电网的关联矩阵An→e、线图的邻接矩阵Ae→e以及线图的拉普拉斯矩阵Le→e；步骤2：构建线图卷积神经网络，包括：输入层、隐藏层和输出层；所述输入层用于获取电网的拓扑图G中所有节点的特征向量，记为n×2阶特征矩阵x，所述隐藏层用于对x进行处理，获取边-点聚合后的n×2阶结果矩阵y并由输出层输出；步骤3：构建损失函数e；步骤4：基于e，用线路故障前数据对线图卷积神经网络模型进行预训练，得到潮流计算基础模型；步骤5：用线路故障后的数据对潮流计算基础模型进行训练微调，得到最终潮流计算模型；步骤6：将真实的电网数据输入最终潮流计算模型中进行处理，并输出每个节点的有功功率、无功功率、电压和相位角对应的潮流计算值。

全文数据：

权利要求：

百度查询： 数据空间研究院 基于线图卷积神经网络的线路故障后电网潮流计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD