考虑数据失衡的新型配电网两阶段拓扑辨识

在新型电力系统快速发展的背景下,配电网中各类分布式电源、储能、电动汽车、柔性负荷的接入占比不断增加,运行方式日趋复杂多变,其拓扑的精确辨识也更有难度。针对现有配电网量测数据采集周期较长、辨识方法对数据不平衡敏感而导致辨识精度不高的问题,提出了一种两阶段的新型配电网拓扑辨识方法。首先,采用两层堆叠的图卷积网络生成系列标签分类器,再用卷积神经网络提取量测时间序列的特征,并结合多标签分类学习实现第一阶段的初步辨识。其次,对初步辨识获得的初始拓扑中状态为“阴性”(开断)的支路进行全状态空间搜索,并通过潮流匹配模型,筛选出耗散值最小的状态样本,实现“假阴性”二次辨识。最后,在改进的IEEE33节点含新能源配电网络上进行仿真验证。结果表明,所提模型和方法能有效解决数据失衡的问题,并具有更高的辨识精度。