[发明专利]配电系统可靠性评估方法、模型训练方法、装置及设备

权利要求书

1.一种配电系统可靠性评估方法，其特征在于，所述方法包括：

获取目标配电系统的基础信息数据；

以所述基础信息数据中各电气节点为图域中的节点，确定图结构数据，所述图结构数据包括所述各电气节点之间的连接关系数据和所述各电气节点在预定目标时段内的属性特征数据；

将所述图结构数据输入图神经网络模型中，得到所述目标配电系统中各电气节点对应的可靠性数据集，其中，所述各电气节点对应的可靠性数据集用于表征所述目标配电系统节点级的可靠性性能，所述图神经网络模型是根据样本配电系统对应的样本图结构数据和各样本电气节点的可靠性数据标签集训练得到的，所述样本配电系统中的样本连接关系数据与所述目标配电系统中的连接关系数据相同。

2.根据权利要求1所述的方法，其特征在于，所述属性特征数据包括所述各电气节点对应的类型特征数据，所述类型特征数据用于表征所述电气节点是否为负荷点；在所述各样本电气节点的可靠性数据标签集中，非负荷点对应的样本电气节点的可靠性数据标签为零。

3.根据权利要求2所述的方法，其特征在于，所述图神经网络模型的训练过程包括：

获取训练样本，所述训练样本包括所述样本图结构数据以及所述可靠性数据标签集之间的对应记录；

基于所述训练样本，对初始图神经网络模型进行迭代训练，输出已训练的图神经网络模型；其中，在每次迭代训练过程中，执行以下操作：

将所述样本图结构数据输入所述初始图神经网络模型中，获得所述各样本电气节点的可靠性预测数据集，通过所述可靠性预测数据集中负荷点对应的样本电气节点的可靠性预测数据和可靠性数据标签，确定损失值，并采用所述损失值进行参数调整。

4.根据权利要求3所述的方法，其特征在于，所述基于所述训练样本，对初始图神经网络模型进行迭代训练，输出已训练的图神经网络模型，还包括：

在每次迭代训练过程中，通过所述可靠性预测数据集中负荷点对应的样本电气节点的可靠性预测数据和可靠性数据标签，确定所述初始图神经网络模型的预测的准确率；

在所述准确率达到预设阈值的情况下，输出已训练的图神经网络模型。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

从所述各电气节点对应的可靠性数据集中提取所有负荷点对应的电气节点的可靠性数据；

基于所述负荷点对应的电气节点的可靠性数据，确定所述目标配电系统中系统的可靠性数据，其中，所述系统的可靠性数据用于表征所述目标配电系统系统级的可靠性性能。

6.根据权利要求1所述的方法，其特征在于，所述以所述基础信息数据中各电气节点为图域中的节点，确定图结构数据，包括：

通过所述各电气节点之间的连接关系数据，构造邻接矩阵；

通过所述各电气节点在预定目标时段内的属性特征数据，构造节点特征矩阵；

结合所述邻接矩阵和所述节点特征矩阵，获得图结构数据。

7.一种模型训练方法，其特征在于，所述方法包括：

获取训练样本，所述训练样本包括样本配电系统的样本图结构数据和各样本电气节点的可靠性数据标签集之间的对应记录，所述样本图结构数据包括所述样本配电系统中各样本电气节点之间的连接关系数据和所述各样本电气节点在预定样本时段内的样本属性特征数据；

基于所述训练样本，对初始图神经网络模型进行迭代训练，输出已训练的图神经网络模型。