(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211193201.9 (22)申请日 2022.09.28 (71)申请人 东南大学 地址 210096 江苏省南京市玄武区新 街口 街道四牌楼 2号 (72)发明人 王琦　吴忠　胡健雄　汤奕　 (74)专利代理 机构 北京同辉知识产权代理事务 所(普通合伙) 11357 专利代理师 沈利芳 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/16(2006.01) H02J 3/00(2006.01) H02J 13/00(2006.01) G06F 113/04(2020.01)G06F 119/02(2020.01) (54)发明名称 一种基于直流潮流和图卷积的电力系统快 速状态估计方法 (57)摘要 本发明公开了一种基于直流潮流和图卷积 的电力系统快速状态估计方法， 属于电力系统监 测、 分析和控制技术领域。 其技术方案为： 利用直 流潮流将非线性问题线性化， 估计出相角； 将相 角(全局变量)转化为相角差θij(局部变量)， 和 电网线路参数一起作为边特征， 节点电压、 有功、 无功转化为节 点特征； 分别利用考虑边权值的 图 卷积神经网络、 仅考虑节点特征的图卷积神经网 络、 以及全 连接层对边特征及节 点特征进行整合 滤波， 实现状态估计； 该方法结合了基于物理模 型方法在因果关系处理上的优势和数据驱动方 法在高效相关分析方面的优势。 解决了传统模型 运行效率低， 速度慢的问题， 且鲁棒 性更强。 权利要求书2页 说明书5页 附图2页 CN 115408947 A 2022.11.29 CN 115408947 A 1.一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 包括如下 步骤： (1)获取电力系统参数信息及历史数据， 包括电力系统的拓扑连接信息、 线路参数信 息、 量测量、 历史量测量及状态量； (2)简化状态估计模型， 对某一时刻数据， 利用直 流潮流计算方法求得相角； (3)对电力系统参数信息及量测量进行数据整合， 并将全局变量相角转化为局部变量 相角差， 局部变量相角差和电网线路参数信息一起作为边特征， 节点电压、 有功、 无功转化 为节点特 征； (4)将整合后的数据， 作为由考虑边权值的图卷积神经网络、 仅考虑节点特征的图卷积 神经网络、 以及全连接层构成的深度学习模型的输入； (5)将电力系统真实状态变量电压和相角差作为模型输出， 重 复步骤(2)到步骤(4)， 对 数据模型进行训练， 将训练的预测结果与真实结果进行比较； (6)训练完成后的模型输出为： 状态量电压和相角差， 通过最短路径法将相角差转换为 相角， 得到所有状态量， 完成状态估计。 2.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述 获取电力系统参数信息及历史数据中， 参数信息及历史数据包括： 电力系 统的拓扑 连接信息、 线路参数信息、 量测量、 历史量测量及状态量。 3.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述简化状态估计模型中， 首 先通过计算公式得到相角 θ： 其中相角 θ为以平衡节点为基准的全局变量； B是系统节点导纳矩阵， P是系统有功组成 的向量。 4.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述对电力系统参数信息及量测 量进行数据整合中， 将所有数据转化为图数 据格式， 表现形式为： G(X,A,E)； 其中， G用来表 示电力系统信息转化为图数据后的格式； A是 邻接矩阵， 用来描述电网的拓扑结构； X是电网节点的特征矩阵， 由电网节点特征构成； E表 示边权值矩阵， 由电网参数信息构成。 5.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述相角差是通过电力系统相连节点间相角求差得到 。 6.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述 考虑边权值的图卷积神经网络的数 学模型为： 式中： Xl(i)表示电网中第i个节点的特征， bl是一个可学习的偏置； N(i)是节点i相邻的 节点个数； σ 表示激活函数； 是权重矩阵， 对于估计值和真值误差较小的节点特征， 采用 的是平均加权聚合方式， 而对于误差相对较大的线路参数， 采用加权聚合方式； 其通过多层 感知机实现， 其模型为： 权　利　要　求　书 1/2 页 2 CN 115408947 A 2式中： L(j,i)表示电力系统线路参数， 由相角差、 电阻、 电抗、 电纳构成， 函数Fl通过多层 感知机实现， wl是函数Fl的可学习权重。 7.根据权力要求1中所述一种基于直流潮流和图卷积的电力系统快速状态估计方法， 其特征在于， 所述仅考虑节点特 征的图卷积神经网络的数 学模型为： 其中X(l)在表示考虑边权值的图卷积神经网络提取到的特征， A表示系统拓扑的连接情 况， D是A的度， 卷积核W(l)采用平均聚合方式。 8.根据权力要求1中所述基于直流潮流和图卷积计算的电力系统快速状态估计方法， 其特征在于， 所述全连接层由不带激活函数的神经网络构成， 实现对特 征的线性整合。 9.根据权力要求1中所述基于直流潮流和图卷积计算的电力系统快速状态估计方法， 其特征在于， 所述对 数据模型进 行训练的过程中， 不断将预测结果与真实结果进 行比较， 在 损失函数小于一定范围时结束训练。 10.根据权力要求1中所述基于直流潮流和图卷积计算的电力系统快速状态估计方法， 其特征在于， 所述训练完成后的模型输出中， 在模 型实际应用过程中， 采用模型进 行状态估 计， 最终得到状态 量电压和相角差； 由相角差得到相角的过程中， 以平衡节点为基准采用最 短路径法还原为相角这 一状态量。权　利　要　求　书 2/2 页 3 CN 115408947 A 3