基于多标签分类与卷积神经网络的配电网拓扑辨识

为适应新一代配电网运行特性,配电网开关需频繁动作调整网络结构,难以及时、准确获取配电网的实时拓扑结构,给配电网的态势感知带来一定困难。鉴于传统以状态估计为框架的配电网拓扑识别方法计算复杂度高、在线应用困难,同时大规模配电网拓扑结构多样化,该文提出了基于多标签分类与卷积神经网络的配电网拓扑辨识方法。通过配电网量测电压数据与开关状态间的多映射关系,引入多标签分类机制,对配电网拓扑结构进行多标签编码,将配电网开关与拓扑辨识模型输出进行物理映射,利用卷积神经网络搭建多标签分类器,实现拓扑的准确辨识。基于改进的IEEE 123节点配电网算例对所提方法进行验证,实验结果表明:所提模型具有较高的拓扑识别准确率,且对于在训练样本空间外的未知拓扑结构,其具备更好的推理能力,更适用于实际拓扑识别的场景,证实了所提方法的优越性和鲁棒性。