基于图注意力网络的配电网超分辨率量测生成方法.pdfVIP

第 47 卷 第 5 期 2023 年 3 月 10 日 Vol . 47 No . 5 Mar . 10 ,2023 DOI ： 10. 7500/AEPS20220830012 基于图注意力网络的配电网超分辨率量测生成方法 1 1 1 2 2 3 吕奇峰 ，陈 颖 ，肖谭南 ，于智同 ，宋炎侃 ，朱 童 （1. 清华大学电机工程与应用电子技术系，北京市 100084 ； 2 . 清华四川能源互联网研究院能源电力系统数字孪生研究所，四川省成都市 610042 ； 3 . 国网四川省电力公司，四川省成都市 610042 ） 摘要 ：针对配电网中量测布局不均、精度不足等问题，提出了一种基于图注意力网络的配电网超分 辨率量测生成方法。该方法可提高配电网状态量时空分辨率，且具有拓扑泛化能力，可适应配电网 重构拓扑工况，以最小化量测采集实现配电网高精度状态感知。所提方法通过注意力机制学习节 点电气状态量之间的关联关系，将潮流约束加入模型训练中并设计了模型训练所需的最小拓扑集， 避免对训练样本数据的过拟合，提高生成模型泛化能力。最后，通过IEEE 33 节点和IEEE 123 节 点标准配电网算例验证了所提方法的有效性。 关键词 ：配电网；量测；图注意力网络；状态感知；拓扑泛化 0 引言 已有研究探索了配电网量测生成技术。文献 ［7 ］提出了带有跳过连接架构的深层神经网络 在实现“碳达峰·碳中和”目标牵引下，可再生能 源与电动汽车等柔性负载将大量接入配电网，导致 （deep neural network ，DNN ），称为Prox-Linear net ， 以模仿Prox-Linear 求解器的状态估计算法，优于广 配电网结构更加复杂。准确、快速的运行状态感知， ［1-2 ］ 泛采用的Gauss-Newton 状态估计求解器。文献［8 ］ 对于配电网安全、经济、低碳运行至关重要 。 配电网量测主要由 数据采集与监控 从时空图角度提出基于时空特征图卷积网络的动态 （supervisory control and data acquisition ，SCADA ） 状态估计算法，提取量测数据的时空和节点的特征 系统管理，采样频率和量测精度都较低。为了获得 信息，融合得到实时状态估计结果并可以消除不良 高精度的稠密量测，有研究提出了配电网相量量测 数据的影响。文献［9 ］利用配电网状态估计的近似 方法。但相量量测单元（phasor measurement unit ， 可分离性，优化PMU 的布点，改进了拓扑感知DNN PMU ）成本较高，无法大规模部署。因此，配电网状 的设计，具有较强的鲁棒性。 态量测呈现布局不均、精度不足的特点，量测结果时 上述研究以状态估计作为提高系统态势感知的 ［3-4 ］ 方法，难以在量测时空分辨率较低的配电网广泛应 空稀疏度高 。 传统状态估计要求输入量测具有冗余度，通过 用［10-11 ］。配电网拓扑作为一种图结构，由电气节点 迭代估计出满足电路定律的潮流分布。然而，实际 和导线支路组成，蕴含了丰富的图信息。随着图神 配电网的量测时空稀疏度高，可能无法满足状态估 经网络的出现，将较为成熟的神经网络扩展到了图 ［5-6 ］ 域中，实现了深度学习与图数据的结合。目前，应用 计