(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 202211296116.5 (22)申请日 2022.10.21 (71)申请人 南方电网科 学研究院有限责任公司 地址 510663 广东省广州市萝岗区科 学城 科翔路11号J1栋3、 4、 5楼及J3 栋3楼 申请人 武汉大学 (72)发明人 董旭柱　路晓庆　蒋屹新　张宇南　 杨涛　匡晓云　许爱东　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 郑华丽 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 5/00(2006.01)G06N 20/20(2019.01) G06N 3/04(2006.01) H02J 3/00(2006.01) G06F 113/04(2020.01) (54)发明名称 一种数据机理交互驱动的微电网拓扑辨识 方法和系统 (57)摘要 本发明公开一种数据机理交互驱动 的微电 网拓扑辨识方法和系统， 采用潮流方程求解节点 之间的互电导矩阵和互电纳 矩阵， 然后对互电导 矩阵或互电纳矩 阵进行降噪处理得到初始拓扑 结构， 然后构建初始拓扑结构 的指标数据库， 计 算各指标的特征贡献度， 筛选出特征贡献度最大 的两个指标的数据作为特征集， 配上对应的配电 网拓扑结构标签， 对基于卷积神经网络的微电网 拓扑辨识模 型进行训练， 得到训练好的微电网拓 扑辨识模型， 最后利用训练好的微电网拓扑辨识 模型进行配电网拓扑辨识， 实现了在不需要事先 知晓配电网潜在拓扑结构的情况下， 仅需要利用 测得的节点有功、 无功和电压幅值数据， 即可实 现微电网拓扑的精确辨识， 提高微电网拓扑辨识 的实用性的技 术效果。 权利要求书3页 说明书9页 附图2页 CN 115544701 A 2022.12.30 CN 115544701 A 1.一种数据机理 交互驱动的微电网拓扑辨识方法， 其特 征在于， 包括： 获取微电网各节点的有功数据、 无功数据和电压幅值数据， 将各节点的有功数据、 无功 数据和电压幅值数据输入预置潮流方程中， 求解出节点之 间的第一互电导矩阵和 第一互电 纳矩阵； 对若干组第 一互电导矩阵和第 一互电纳矩阵进行线性 回归， 得到线性 回归后的第 二互 电导矩阵和第二互电纳矩阵； 对第二互电导矩阵或第二互电纳矩阵进行降噪处理， 得到初始拓扑结构， 其中， 降噪处 理过程为： 根据第二互电导矩阵或第二互电纳矩阵， 计算每 个分支的贡献率； 若分支的贡献率低于 阈值， 则判断分支是否测量到功率流且分支是否已连接到未测量 的节点， 若是， 则保留分支， 若否， 则 删除分支； 若分支的贡献率 不低于阈值， 则保留分支； 对初始拓扑结构的支路电导值、 支路电纳值、 节点电压幅值、 节点有功功率值和节点无 功功率值进行归一 化处理， 根据归一 化后的数据构建指标 数据库； 采用随机森林算法计算指标 数据库中各指标的特 征贡献度； 筛选特征贡献度最大的第 一指标和第 二指标的数据作为特征集， 以对应的配电网拓扑 结构作为第一指标和 第二指标数据对应的标签， 对基于卷积神经网络的微电网拓扑辨识模 型进行训练， 得到训练好的微电网拓扑辨识模型； 获取实际应用场景下的微电网的第 一指标数据和第 二指标数据， 将第 一指标数据和第 二指标数据输入训练好的微电网拓扑辨识模型中进行微电网拓扑辨识。 2.根据权利要求1所述的数据机理交互驱动的微电网拓扑辨识方法， 其特征在于， 预置 潮流方程 为： 其中， i和j均为微电网中的节点， Pi为微电网中节点i注入的有功功率， Qi为微电网中节 点i注入的无功功率， Vi为微电网中节点i的节点电压， n为微电网中的节点总数， Gij为由节 点i和j之间的互电导构成的互电导矩阵的元素， Bij为由节点i和j之间的互电纳 构成的互电 纳矩阵的元 素， θij为节点i和j之间相角差 。 3.根据权利要求2所述的数据机理交互驱动的微电网拓扑辨识方法， 其特征在于， 分支 的贡献率的计算公式为： 其中， ξ(i,j)为第i个节点至第j个节点的支路的贡献率。 4.根据权利要求3所述的数据机理交互驱动的微电网拓扑辨识方法， 其特征在于， 计算 指标的特 征贡献度的公式为：权　利　要　求　书 1/3 页 2 CN 115544701 A 2其中， γimpor为特征贡献度， N为随机森林中决策树的数量， err1oob为对每棵树选择相应 的袋外数据计算的袋外误差， err2oob为随机对袋外数据所有样本的特征加入噪声干扰后计 算的袋外数据误差 。 5.根据权利要求1所述的数据机理交互驱动的微电网拓扑辨识方法， 其特征在于， 卷积 神经网络的隐含层激活函数为： 其中， z为卷积神经网络的隐含层输入神经元， f(z)为卷积神经网络的隐含层的输出神 经元。 6.一种数据机理 交互驱动的微电网拓扑辨识系统， 其特 征在于， 包括： 数据获取模块， 用于获取微电网各节点的有功数据、 无功数据和电压幅值数据， 将各节 点的有功数据、 无功数据和电压幅值数据输入预置潮流方程中， 求解出节点之间的第一互 电导矩阵和第一互电纳矩阵； 线性回归模块， 用于对若干组第一互电导矩阵和第一互电纳矩阵进行线性回归， 得到 线性回归后的第二互电导矩阵和第二互电纳矩阵； 降噪模块， 用于对第二互电导矩阵或第二互电纳矩阵进行降噪处理， 得到初始拓扑结 构， 其中， 降噪处 理过程为： 根据第二互电导矩阵或第二互电纳矩阵， 计算每 个分支的贡献率； 若分支的贡献率低于 阈值， 则判断分支是否测量到功率流且分支是否已连接到未测量 的节点， 若是， 则保留分支， 若否， 则 删除分支； 若分支的贡献率 不低于阈值， 则保留分支； 数据库模块， 用于对初始拓扑结构的支路电导值、 支路电纳值、 节点电压幅值、 节点有 功功率值和节点无功 功率值进行归一 化处理， 根据归一 化后的数据构建指标 数据库； 指标贡献度计算模块， 用于采用随机森林算法计算指标数据库中各指标的特征贡献 度； 拓扑辨识模型构建模块， 用于筛选特征贡献度最大的第 一指标和第 二指标的数据作为 特征集， 以对应的配电网拓扑结构作为第一指标和第二指标数据对应的标签， 对基于卷积 神经网络的微电网拓扑辨识模型进行训练， 得到训练好的微电网拓扑辨识模型； 微电网拓扑辨识模块， 用于获取实际应用场景下的微电网的第 一指标数据和第 二指标 数据， 将第一指标数据和 第二指标数据输入训练好的微电网拓扑辨识模型中进行微电网拓 扑辨识。 7.根据权利要求6所述的数据机理交互驱动的微电网拓扑辨识系统， 其特征在于， 预置 潮流方程 为： 权　利　要　求　书 2/3 页 3 CN 115544701 A 3