基于关系图卷积神经网络的新能源配电台区拓扑识别方法

针对传统拓扑识别方法难以适应高比例分布式光伏接入下低压配电台区电气耦合特性复杂的问题,提出了一种基于关系图卷积神经网络的新能源配电台区拓扑识别方法。文章分析了分布式光伏接入对低压台区线户关系识别的影响机理,提出了高渗透率分布式光伏接入下配电台区的自适应线户关系识别方法,通过电压皮尔逊相关系数矩阵建模和全局自适应聚类方法实现线户关系识别。基于新能源台区拓扑关联特性将配网节点关联分类匹配为分隔、上下、并列及光伏节点接纳关系,建立了适应分布式光伏接入的台区拓扑邻接矩阵模型。提出了基于关系图卷积神经网络的配电台区拓扑生成算法,通过提取电压量测数据形成台区节点特征矩阵,基于关系图链接预测挖掘潜在节点关联关系逐步生成配电台区拓扑。算例仿真对比验证了所提拓扑识别方法的有效性,与传统算法相比可提升识别准确率4.3%以上。

基于量测数据的台区拓扑自动识别模型及算法

电网新业务的迅速发展对低压配电网的智能化水平提出了更高的要求。传统低压配电网的拓扑关系主要依靠人工档案维护,导致电压问题治理效率和抢修效率低下。在此背景下,提出了利用台区智能终端和采集设备的电气运行数据的台区两级分支线户关系和户表相位的识别方法。构建了用以解决台区两级分支和户表拓扑关系的台区设备从属关系识别模型,将上下级拓扑识别问题转化成二次规划问题求解,并通过户表聚类减少二次规划问题的数据维度。在分支和户表关系确定的基础上,提出了综合利用户表电压和电流数据的户表相位识别方法,提高户表相位识别的准确性。最后,进行了二级分支户表拓扑关系和户表相位识别的算例验证。基于台区电气大数据的拓扑识别方法为提升台区的全面感知和精益化管理提供了工程应用指导。