一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统.pdf

资源描述

一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统.pdf

《一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统.pdf》由会员分享，可在线阅读，更多相关《一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统.pdf（16页珍藏版）》请在冰豆网上搜索。

一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统.pdf

（19）中华人民共和国国家知识产权局（12）发明专利申请（10）申请公布号（43）申请公布日（21）申请号202111254305.1（22）申请日2021.10.27（71）申请人中国电力科学研究院有限公司地址100192北京市海淀区清河小营东路15号（72）发明人文晶陈兴雷汤涌郭强黄彦浩李文臣王甜婧（74）专利代理机构北京工信联合知识产权代理有限公司11266代理人刘爱丽（51）Int.Cl.G06Q50/06（2012.01）G06N5/04（2006.01）G06N5/02（2006.01）H02J3/00（2006.01）（54）发明名称一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统（57）摘要本发明公开了一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统，其中方法包括：

确定大规模电网潮流调整的知识表示，所述知识表示包括大规模电网潮流的节点以及节点之间的关系；基于所述知识表示的关系构建知识图谱；基于所述知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，直至所述大规模电网潮流收敛。

本发明的大规模电网潮流收敛人工智能调整方法，是指是将知识图谱中的规则作为调整方向的依据，将知识图谱中的调整手段封装为独立的操作，从而对电网状态进行判断并给出相应的调整决策，最终实现大规模电网潮流收敛的人工智能调整。

权利要求书2页说明书11页附图2页CN113919974A2022.01.11CN113919974A1.一种基于知识图谱的大规模电网潮流收敛人工智能调整方法，所述方法包括：

2.根据权利要求1所述的方法，所述基于所述知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，包括：

基于所述知识表示的节点，判断大规模电网当前所处的状态；基于所述知识表示的关系，获取大规模电网当前所处的状态的多个潮流调整手段以及多个潮流调整手段执行的执行顺序；根据确定的执行顺序依次采用潮流调整手段，对大规模电网潮流进行调整。

3.根据权利要求2所述的方法，在对不同节点下大规模电网潮流进行调整前，还包括：

分别为多个潮流调整手段设置执行权重，根据执行权重确定多个潮流调整手段执行的执行顺序。

4.根据权利要求1所述的方法，三元组数据结构形式为，基于不同的知识表示定义不同的节点和关系。

5.根据权利要求4所述的方法，所述节点中的状态包括：

不收敛状态、数据检查状态、计算设置修改状态、区域有功不平衡状态、无功不平衡状态。

6.根据权利要求5所述的方法，所述不收敛状态的知识表示为：

，。

7.根据权利要求5所述的方法，所述不收敛状态的后续状态指向所述数据检查状态，所述数据检查状态的知识表示为：

，。

8.根据权利要求5所述的方法，所述数据检查状态的后续状态指向所述计算设置修改状态，所述计算设置修改状态的知识表示为：

，。

9.根据权利要求5所述的方法，所述计算设置修改状态的后续状态指向所述区域有功不平衡状态，所述区域有功不平衡状态的知识表示为：

，。

10.根据权利要求5所述的方法，所述区域有功不平衡状态的后续状态指向所述无功不平衡状态，所述无功不平衡状态的知识表示为：

，。

权利要求书1/2页2CN113919974A211.根据权利要求4所述的方法，还包括：

通过推理对所述知识图谱进行更新：

若知识表示的第一三元组的尾节点与第二三元组的头节点相同，则可由所述第一三元组和所述第二三元组推理得到一个新的三元组。

12.根据权利要求4所述的方法，还包括：

通过去除所述知识表示中的重复的三元组，以实现对所述知识图谱进行清洗。

13.一种基于知识图谱的大规模电网潮流收敛人工智能调整系统，所述系统包括：

初始单元，用于确定大规模电网潮流调整的知识表示，所述知识表示包括大规模电网潮流的节点以及节点之间的关系；构建单元，用于基于所述知识表示的关系构建知识图谱；执行单元，用于基于所述知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，直至所述大规模电网潮流收敛。

14.根据权利要求13所述的系统，所述执行单元还用于：

15.根据权利要求14所述的系统，所述执行单元还用于：

分别为多个潮流调整手段设置执行权重，根据执行权重确定多个潮流调整手段执行的执行顺序。

权利要求书2/2页3CN113919974A3一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统技术领域0001本发明涉及电力系统仿真技术领域，更具体地，涉及一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统。

背景技术0002潮流计算是研究电力系统的一种最基本和最重要的计算，是电网规划运行的基础。

但是，随着电网规模的不断扩大，潮流方程的变量也急剧增加。

对于实际万级节点电网，方式计算数据的潮流方程变量达到数万个，同时还需满足电压、功率等各种约束条件，潮流计算常常遇到不收敛情况。

此时，需要通过改变发电机出力、投切电容电抗器等手段对运行方式进行调整，使潮流回归到一个合理的可行解上，保证潮流收敛且分布合理。

大规模电网指母线节点数量大于10000的电网。

0003目前，现有技术只能在已有潮流计算程序的基础上通过人工对不收敛的潮流进行调整，调整过程主要采用凑试的方法，严重依赖人工经验，调整精度得不到保证，还易引发错漏现象，效率很低。

电网企业每年需安排大量人力和时间来完成大规模电网潮流计算和运行方式调整，消耗了大量的人力资源。

传统潮流计算工作模式存在的这些不足已难以满足日益复杂的大规模电网仿真分析需求，亟需一种潮流收敛自动调整的人工智能方法，使工作更高效、精准，从而解放人力。

0004现有技术对现有电力系统仿真软件PSASP潮流计算模块进行了改进。

在原有PSASP潮流计算模块中，为了提高潮流收敛性，提供了预设平衡点和读上次潮流结果做初值两个调整手段。

预设平衡点是指将潮流计算分为两个阶段：

初值计算和正常迭代计算。

在初值计算阶段，“预设平衡点”作为平衡点参加迭代，能够比较快速地得到一定精度的潮流初值，然后将“预设平衡点”还原回原始的节点类型，以初值计算阶段得到的潮流初值来启动正常的迭代计算。

通过这两个阶段的计算，可提高常规潮流计算方法的收敛性。

读上次潮流结果做初值是指将最近一次已经收敛的潮流结果的母线电压相角作为本次计算的迭代初值。

由于两次潮流计算之间的改动一般比较小，尤其是对于大规模数据，个别网架或发电负荷数据的改动对全网整体电压分布影响是比较小的，上次潮流结果的母线电压值接近这次潮流计算的真实值，此时就可以提高计算的收敛性。

0005然而，现有技术在原有PSASP潮流计算模块中，预设平衡点和读上次潮流结果做初值只是改变了计算迭代的初值，在一定程度上提高了潮流计算算法的性能。

但这两种调整手段没有修改潮流计算数据，如发电机的出力、并联电容电抗器的容量，因此并不能从根本上改善潮流分布情况，对于本身分布就不合理的潮流无法起到有效的作用。

0006此外，在原有PSASP潮流计算模块中，这两个调整手段是作为辅助工具提供给用户，让用户自己选择是否采用。

用户无法根据电网当前状态来判断是否需要该调整手段，也无法判断在电网当前状态下采用哪个调整手段更加有效，只能通过反复试探的方式进行。

调整过程既不够灵活有效也不够智能化。

说明书1/11页4CN113919974A40007因此，需要一种技术，以实现基于知识图谱的大规模电网潮流收敛人工智能调整技术。

发明内容0008本发明技术方案提供一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统，以解决如何基于知识图谱对大规模电网潮流收敛进行调整的问题。

0009为了解决上述问题，本发明提供了一种基于知识图谱的大规模电网潮流收敛人工智能调整方法，所述方法包括：

0010优选地，所述基于所述知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，包括：

0011优选地，在对不同节点下大规模电网潮流进行调整前，还包括：

分别为多个潮流调整手段设置执行权重，根据执行权重确定多个潮流调整手段执行的执行顺序。

0012优选地，所述三元组数据结构形式为，基于不同的知识表示定义不同的节点和关系。

0013优选地，所述节点中的状态包括：

不收敛状态、数据检查状态、计算设置修改状态、区域有功不平衡状态、无功不平衡状态。

0014优选地，所述不收敛状态的知识表示为：

，。

0015优选地，所述不收敛状态的后续状态指向所述数据检查状态，所述数据检查状态的知识表示为：

，。

0016优选地，所述数据检查状态的后续状态指向所述计算设置修改状态，所述计算设置修改状态的知识表示为：

，。

0017优选地，所述计算设置修改状态的后续状态指向所述区域有功不平衡状态，所述区域有功不平衡状态的知识表示为：

，。

0018优选地，所述区域有功不平衡状态的后续状态指向所述无功不平衡状态，所述无功不平衡状态的知识表示为：

，。

0019优选地，还包括：

通过推理对所述知识图谱进行更新：

若知识表示的第一三元组的尾节点与第二三元组的头节点相同，则可由所述第一三元组和所述第二三元组推理得到一个新的三元组。

0020优选地，还包括：

通过去除所述知识表示中的重复的三元组，以实现对所述知识图谱进行清洗。

0021基于本发明的又一实施方式，本发明提供一种基于知识图谱的大规模电网潮流收敛人工智能调整系统，所述系统包括：

0022优选地，所述执行单元还用于：

0023优选地，所述执行单元还用于：

分别为多个潮流调整手段设置执行权重，根据执行权重确定多个潮流调整手段执行的执行顺序。

0024本发明技术方案提供了一种基于知识图谱的大规模电网潮流收敛人工智能调整方法及系统，其中方法包括：

确定大规模电网潮流调整的知识表示，知识表示包括大规模电网潮流的节点以及节点之间的关系；基于知识表示的关系构建知识图谱；基于知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，直至大规模电网潮流收敛。

本发明技术方案提出了一种基于知识图谱的大规模电网潮流收敛人工智能调整方法，该方法将潮流调整中积累的知识经验、调整过程中需要遵循的规则规范以及有效的调整手段抽象为知识，形成电网潮流调整知识图谱。

本发明技术方案以知识图谱中的规则作为调整方向的依据，将知识图谱中的调整手段封装为独立的操作，从而对电网状态进行判断并给出相应的调整决策，最终实现大规模电网潮流收敛的人工智能调整。

0025通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的基于知识图谱的大规模电网潮流收敛人工智能调整方法流程图；图2为根据本发明优选实施方式的大规模电网潮流收敛人工智能调整方法流程说明书3/11页6CN113919974A6图；图3为根据本发明优选实施方式的大规模电网潮流调整知识图谱结构图；以及图4为根据本发明优选实施方式的基于知识图谱的大规模电网潮流收敛人工智能调整系统结构图。

具体实施方式0026现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。

对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。

在附图中，相同的单元/元件使用相同的附图标记。

0027除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。

另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

0028图1为根据本发明优选实施方式的基于知识图谱的大规模电网潮流收敛人工智能调整方法流程图。

本发明提供一种基于知识图谱的大规模电网潮流收敛人工智能调整方法，包括大规模电网潮流调整的知识表示、大规模电网潮流调整知识图谱的构建和大规模电网潮流收敛人工智能调整方法。

其中，大规模电网潮流调整的知识表示是知识图谱的核心内容、知识图谱的构建是实现大规模电网潮流收敛人工智能调整方法的基础，大规模电网潮流收敛人工智能调整方法是整体的调整流程并最终给出调整策略。

0029如图1所示，本发明提供一种基于知识图谱的大规模电网潮流收敛人工智能调整方法，方法包括：

步骤101：

确定大规模电网潮流调整的知识表示，知识表示包括大规模电网潮流的节点以及节点之间关系；优选地，三元组数据结构形式为，基于不同的知识表示定义不同的节点和关系。

0030本发明的大规模电网潮流调整的知识表示，是通过三元组的形式对潮流调整过程中电网的状态、需要遵循的规则规范以及有效的调整手段表示成便于计算机存储和利用的数据结构。

0031本发明的三元组，由构成，根据不同的知识可以定义不同的节点类型和关系。

0032本发明的节点，其描述方式是一个字符串，该字符串称作该节点的名字。

表示大规模电网潮流调整知识的节点包括：

状态节点、特征节点、操作节点、电网元件节点、电网参数节点、位置节点、函数节点、权重节点、节点类型描述节点。

例如，状态节点，就是用于描述电网所处状态的节点，如“不收敛状态”、“潮流越限状态”等。

状态节点一定有关系“有特征”、“操作”以及其对应的后续节点来构成三元组。

0033本发明的关系，是在知识库中连接两个节点，表示两个节点直接逻辑关系的名称。

可以看作是一个有向的箭头，通过关系能够由一个节点找到另一个节点。

表示大规模电网潮流调整知识的关系包括：

有特征、操作、是、调用、有属性、有位置、权重。

例如，有特征，表示一个状态具有何种特征，其头节点为状态节点，尾节点为特征节点，知识库通过检查电网说明书4/11页7CN113919974A7数据是否符合该特征来判断电网当前处于何种状态。

操作，表示一个状态有哪些操作需要执行，其头节点为状态节点，尾节点为操作节点，一个状态可以有多个操作，知识库检查到状态后，会按权重依次执行该状态对应的各个操作。

0034步骤102：

基于知识表示的关系构建知识图谱。

0035如图3所示，本发明大规模电网潮流调整知识图谱的构建，是指按照一定的组织方式，将知识构建成为一个相互关联、符合大规模潮流调整逻辑及流程的知识库。

0036本发明大规模电网潮流调整知识图谱的组织方式，是指将潮流调整过程看作由多个不同状态组成的过程，每个状态代表当前电网具有的特征，由知识来判断是否进入下一个状态。

每个状态对应多个和该状态相关的操作，即为了改变该状态所采取的调整手段，由权重来确定各个操作执行的先后顺序。

0037优选地，三节点中的状态包括：

不收敛状态、数据检查状态、计算设置修改状态、区域有功不平衡状态、无功不平衡状态。

0038本发明潮流调整过程中的多个状态，包括：

不收敛状态、数据检查状态、计算设置修改状态、区域有功不平衡状态、无功不平衡状态。

0039优选地，不收敛状态的知识表示为：

，。

0040本发明的不收敛状态，其特征为潮流收敛标志=1，该状态对应的操作为进行潮流计算。

该状态在知识图谱中表述为，。

0041优选地，不收敛状态的后续状态指向数据检查状态，数据检查状态的知识表示为：

，。

0042本发明的数据检查状态，为不收敛状态的后续状态，该状态对应的操作包括：

检查变压器变比、检查并列变压器参数、检查并联电容电抗器、检查发电机电压参数。

该状态在知识图谱中表述为，。

0043本发明的检查变压器变比操作，是指检查变压变比是否超过给定上下限。

若超过上下限，则修改为默认值。

0044本发明的检查并列变压器参数操作，是指检查并列运行变压器参数是否相差过大。

若相差超过阈值，则修改为一致。

0045本发明的检查并联电容电抗器操作，是指检查并联电容电抗器阻抗值是否过小。

若小于阈值，则将其置为无效。

0046本发明的检查发电机电压参数操作，是指检查发电机给定电压幅值是否在合理范围内。

若超过范围，则修改为默认值。

0047优选地，数据检查状态的后续状态指向计算设置修改状态，计算设置修改状态的知识表示为：

，。

说明书5/11页8CN113919974A80048本发明的计算设置修改状态，为数据检查状态的后续状态，该状态对应的操作包括：

修改潮流计算设置。

该状态在知识图谱中表述为，。

0049本发明的修改潮流计算设置操作，是指修改计算精度、迭代次数、计算方法。

若节点规模超过10000，则设置预设平衡点。

0050优选地，计算设置修改状态的后续状态指向区域有功不平衡状态，区域有功不平衡状态的知识表示为：

，。

0051本发明的区域有功不平衡状态，为计算设置修改状态的后续状态，该状态对应的操作包括：

检查有功不平衡区域、查找应投入的发电机、查找应退出的发电机、查找应增加有功的发电机、查找应减少有功的发电机、修改发电机参数。

该状态在知识图谱中表述为，。

0052本发明的检查有功不平衡区域操作，是指按照区域对有功平衡情况进行检查。

若该区域有功不平衡，则对其进行下一步调整。

0053本发明的查找应投入的发电机操作，是指在有功负荷有功发电的区域查找可以投入的发电机。

查找原则：

投入后使有功不平衡量最小。

0054本发明的查找应退出的发电机操作，是指在有功负荷有功发电的区域查找可以退出的发电机。

查找原则：

退出后使有功不平衡量最小。

0055本发明的查找应增加有功的发电机操作，若没有可投入发电机或投入发电机后有功不平衡量没有满足要求，则查找可以增加出力的发电机。

查找原则：

发电机有功出力出力下限，减少出力后使有功不平衡最小。

0057本发明的修改发电机参数操作，是指通过修改发电机有效标志、有功出力等参数来实现有功功率的调整。

0058优选地，区域有功不平衡状态的后续状态指向无功不平衡状态，无功不平衡状态的知识表示为：

，。

0059本发明的无功不平衡状态，为区域有功不平衡状态的后续状态，该状态对应的操作包括：

查找最大误差母线、查找重负荷母线、查找功率因数低的负荷母线、增设PV节点。

该说明书6/11页9CN113919974A9状态在知识图谱中表述为，。

0060本发明的查找最大误差母线操作，是指查找潮流计算迭代过程中最大误差母线。

0061本发明的查找重负荷母线操作，是指查找各区域内重负荷母线。

0062本发明的查找功率因数低的负荷母线操作，是指查找功率因数低于0.8的负荷母线。

0063本发明的增设PV节点，是指在上述查找出的无功不平衡的节点上增加一个负荷节点，节点类型设为PV，从而来支撑该节点处的无功功率。

0064优选地，还包括：

通过推理对知识图谱进行更新：

若知识表示的第一三元组的尾节点与第二三元组的头节点相同，则可由第一三元组和第二三元组推理得到一个新的三元组。

0065优选地，还包括：

查找知识表示中的重复的三元组，删除重复的三元组中的其中一个三元组，以实现对知识图谱进行清洗。

0066步骤103：

基于知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，直至大规模电网潮流收敛。

0067优选地，基于知识图谱中每个节点的关系及调整手段，依次对不同节点下大规模电网潮流进行调整，还包括：

基于知识表示的节点，判断大规模电网当前所处的状态；基于知识表示的关系，获取大规模电网当前所处的状态的多个潮流调整手段以及多个潮流调整手段执行的执行顺序；根据确定的执行顺序依次采用潮流调整手段，对大规模电网潮流进行调整。

0068优选地，在对不同节点下大规模电网潮流进行调整前，还包括：

分别为多个潮流调整手段设置执行权重，根据执行权重确定多个潮流调整手段执行的执行顺序。

0069本发明的大规模电网潮流收敛人工智能调整方法，是指是将知识图谱中的规则作为调整方向的依据，将知识图谱中的调整手段封装为独立的操作，通过对知识图谱中的知识进行逻辑和可能性的推理、演绎，从而对电网状态进行判断并给出相应的调整决策，最终实现大规模电网潮流收敛的人工智能调整。

0070本发明的知识推理机制，是根据当前己知的事实，利用知识库中的知识，按一定的推理方法和控制策略进行推理，求得问题的答案或证明某个假设的正确性。

本发明采用的推理方法是演绎推理，采用正反混和推理策略。

0071本发明的推理，是根据实际问题新加入的事实，推出新的结论，这些结论保持同已有的知识和结论不发生矛盾，它根据公理系统把一个问题中包含在己知事实中的事实作为结论推导出来。

0072本发明的正反混和推理控制策略，其具体作法为：

先根据用户已提供的部分问题信息，生成一批目标，然后对每一个生成的目标获取进一步信息，进行逐个“测试”。

其核心是对与当前问题数据约束不一致的解进行早期排除。

0073本发明的大规模电网潮流收敛人工智能调整流程，是指首先根据电网数据，由知说明书7/11页10CN113919974A10识来判断电网当前所处的状态；然后，根据调整规则，由知识来选择该状态应该采取的调整手段，并由知识来确定各调整手段执行的先后顺序；最终，给出调整策略，实现大规模电网潮流收敛人工智能调整。

0074综上所述，本发明先将潮流调整中积累的知识和经验以三元组的方式进行表示，在此基础上构建知识图谱，然后将知识图谱的规则作为潮流智能调整的准则，对调整方向和调整手段进行逻辑和可能性的推理、演绎，并做出判断和决策，最终实现大规模电网潮流收敛的人工智能调整。

0075本发明的一实施例中，采用CREPI36节点系统算例进行验证，在该算例上运用本发明的方法，通过基于知识图谱的人工智能调整方法调整潮流，使不收敛的样本通过调整运行方式从而计算收敛。

测试结果验证了本发明的有效性。

0076为测试知识库中知识的有效性和对不同特征电网的适应性，基于系统本身的初始收敛潮流，在04倍之间随机改变发电机和负荷，同时改变电容电抗器的投切情况，生成7470组数据。

经潮流计算，在7470组数据中，其中3365组数据收敛、4105组数据不收敛。

0077本发明以其中1组数据为例对本发明的整个调整流程进行说明，该数据初始潮流不收敛。

第1步，根据数据对电网初始状态进行判断，根据知识对该数据进行潮流计算，得到潮流收敛标志=1，表示潮流计算不收敛。

根据知识，判断该数据初始状态为不收敛状态。

第2步，根据知识，该数据进入参数检查状态，并执行该状态所对应的调整操作。

根据知识和知识开始对数据中变压器变比和发电机给定电压幅值是否在合理范围内进行检查，发现三绕组变压器“BUS10”的变比超过范围，发电机“BUS3”和“BUS7”电压相角超出范围，对其进行修改。

第3步，根据知识，修改计算精度为0.001，修改迭代次数上限为100次。

第4步，根据知识，对该数据进行区域有功平衡检查，发现区域1和区域3有功负荷小于有功发电、区域2有功负荷大于有功发电，对这3个区域进行

展开阅读全文