[发明专利]一种配电网拓扑结构节点属性预测方法

权利要求书

1.一种配电网拓扑结构节点属性预测方法，其特征在于，包括如下步骤

步骤1、原始数据获取，基于配电网现有信息数据系统，获取配电网各节点的历史属性数据；

步骤2、数据修正，绘制类数据的历史同期数据曲线，确定极值点定位异常数据；具体步骤包括：

2a、历史周期数据统计：对于某类数据R，以一个完整供配电周期T₀为统计基础，绘制该类数据的周期曲线l_i；基于所有的周期曲线计算绘制得到表示其均值的中值曲线l′；基于历史数据得到的周期曲线可以得到每个供电周期内监测数据的变化情况；

2b、数据筛选：将任意周期曲线l_m与另一条周期曲线l_n作差，确定在供配电周期T₀各监测时间节点t内的监测值变量Δa_mn,t＝a_m,t-a_n,t，a_m,t是指周期曲线l_m在t时刻对应的监测值；a_n,t是指周期曲线l_n在t时刻对应的监测值；得到任意两个周期曲线的曲线变量参数基于曲线变量参数Δa_mn取值由大到小进行排序，得到周期曲线对列表{(l_m,l_n)...}；

基于中值曲线l′以及周期曲线l_v内各线段的斜率，得到对应的斜率曲线L′和L_v，将斜率曲线L′和L_v作差，确定各线段的斜率变量Δα_v,s＝α_Lv,s-α_L′,s，其中s是指曲线中相邻监测时间节点测得的数据相连形成的线段，得到任意周期曲线l_v与中值曲线的斜率变量参数基于斜率变量参数Δα_v取值由大到小进行排序，得到周期曲线列表{l_v...}；

2c、按照周期曲线列表{l_v...}中周期曲线的依次顺序选取首个曲线按照周期曲线对列表{(l_m,l_n)...}顺序依次选取首个曲线对/比对曲线/和曲线对/中的曲线；

2d、若曲线不属于曲线对/之一，则认为曲线/对应数据为正常数据，则从周期曲线列表{l_v...}中删除曲线/并返回S1，直至曲线对/中包含的任意曲线从周期曲线列表中被找到；

若曲线存在于曲线对/中，则认为曲线对/中两个周期曲线/为异常曲线，其对应数据中存在的异常数据源，将其曲线/置入异常曲线集中，之后从周期曲线列表{l_v...}中删除曲线/从周期曲线对列表{(l_m,l_n)...}中删除所有含有曲线/的曲线对后，返回步骤S1；

若更新后的周期曲线列表{l_v...}中的首个曲线在各监测时间节点的监测值位于误差需用范围之内，则停止比对；

2e、对于异常曲线集中的异常曲线定位对应斜率曲线/上斜率变化量最大的两个相邻线段/和/的端点x、y、z；确定在测量周期内对应的测量时间节点t_x,t_y,t_z，线段/和/相对于中值曲线l′对应线段的斜率变化量Δk_xy和Δk_yz，中值曲线l′上时间节点t_x,t_y,t_z对应的测量值R_x,R_y,R_z；修正线段l_xy和l_yz连接点y的测量值为/之后从新定位下一对斜率变化量最大的相邻线段，直至定位得到的连接点y的测量值误差在许用范围内；

步骤3、属性识别

辨识模型，在图卷积网络模型的基础上进行结构优化和设计适用于本申请的神经网络辨识模型，基于历史数据集{R_n}建立训练数据集和验证数据集，设置学习率、优化器等相关参数对前述神经网络辨识模型进行训练和验证，直至辨识精度达到需求；利用该辨识模型以及配电网当前拓扑结构及其部分节点的参数数据对相关联的其他节点进行属性预测。