[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

说明书

本申请涉及一种配电系统可靠性评估方法、模型训练方法、装置及设备。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，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。采用上述方法能够提高评估效率、快速计算配电系统可靠性。

技术领域

本申请涉及电力系统可靠性技术领域，特别是涉及一种配电系统可靠性评估方法、模型训练方法、装置及设备。

背景技术

随着电力能源的普及和对电力供应安全的要求不断提高，对电力系统可靠性的要求也越来越高。配电系统处于电力系统末端，其为把电源系统或输变电系统与用户设施连接起来，向用户分配电能和供给电能的重要环节。配电系统一般包括配电变电所、配电线路及接户线在内的整个配电网络及其设备，因此，提高配电系统可靠性水平是保证电力系统可靠性水平的主要及重要手段之一。

配电系统可靠性评估是指利用配电系统拓扑信息和设备元件可靠性参数，如设备元件故障率、平均修复时间等，计算配电系统的各项可靠性指标数据。由于配电系统的迅速发展，其拓扑结构日趋复杂，数据量激增，当前配电系统可靠性评估方法很容易陷入维数灾难且计算耗时长。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高评估效率、快速计算配电系统可靠性的配电系统可靠性评估方法、模型训练方法、装置及设备。

第一方面，本申请提供了一种配电系统可靠性评估方法。该方法包括：

获取目标配电系统的基础信息数据；

以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，图结构数据包括各电气节点之间的连接关系数据和各电气节点在预定目标时段内的属性特征数据；

将图结构数据输入图神经网络模型中，得到目标配电系统中各电气节点对应的可靠性数据集，其中，各电气节点对应的可靠性数据集用于表征目标配电系统节点级的可靠性性能，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，样本配电系统中的样本连接关系数据与目标配电系统中的连接关系数据相同。

在其中一个实施例中，属性特征数据包括各电气节点对应的类型特征数据，类型特征数据用于表征电气节点是否为负荷点；在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。

在其中一个实施例中，图神经网络模型的训练过程包括：

获取训练样本，训练样本包括样本图结构数据以及可靠性数据标签集之间的对应记录；

基于训练样本，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：

将样本图数据结构输入初始图神经网络模型中，获得各样本电气节点的可靠性预测数据集，通过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，并采用损失值进行参数调整。

在其中一个实施例中，基于训练样本，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，确定初始图神经网络模型的预测的准确率；

在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。

在其中一个实施例中，该方法还包括：

从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；