基于注意力机制和卷积神经网络的配电网拓扑辨识

摘要：

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法.首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(mico phasor measurement unit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性.结果表明:所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用.

关键词：配电网、注意力机制、卷积神经网络、随机森林、拓扑辨识

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：上海市科委电力人工智能工程技术研究中心项目;上海市科委青年扬帆计划;上海市教委青年教师培训计划

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1672-1682