一种全景电网拓扑异质图多维构建方法研究

中图分类号 TP39 文献标志码 A

1 引言

随着新型电力系统建设，已形成集中式和海量分布式新能源并 直流混联的超大规模电网，呈现以下新的需求：一是新能源出力和负 面潮流和关键节点电压越限风险增加，配网新能源渗透率提高 度运行。二是大容量直流馈入、新能源占比大幅提升和负荷侧灵活 衡难度增大，需要在机组组合优化约束条件和变量显著增加的情况下， 提高电力市场多时间尺度出 。因此，迫切需要进一步解决数据融合难、计算规模大、分析时效强等多重挑战。

全景电网拓扑是解决上述多重技术挑战的基础。电网覆盖源网荷储各环节，电网拓扑节点类型包括电力设备、变电站、输配电网络等各类实体，电网拓扑中的实体节点数量庞大，且类型各异，同时，电网设备相关数据存储于分散、关联的存储介质和系统之中，数据复杂多样。电网拓扑具备异质节点属性扩展和异质节点互动映射特性，其本质是一个异质的全景电网拓扑图。

当前方法对于异质全景电网拓扑图的构建短板明显，数据模型复杂度高，导致大规模分析计算速度慢等问题，迫切需要通过先进数字技术来突破上述瓶颈。因此，本文针对异质电网拓扑建模进行研究，解决异质电网拓扑图构建及高效计算难题，拟开展全景电网知识结构构建方法、多维实体映射的全景电网异质图构建方法、全景电网异质图高效计算方法研究，围绕异质电网图实际应用需求，提出新方法、突破新技术，为面向超大规模电网设备节点的图计算分析奠定基础。

2 研究现状分析

在电网拓扑图建模技术上，华南理工大学陈政等[1]提出了一种基于内存型图数据库RedisGraph 的电网拓扑图数据模型构建方法，并使用该方法将大规模实际电网的 CIM/XML 数据模型转换为电网拓扑图数据模型。国家电网周毅等[2]采用模仿学习和深度强化学习等技术来训练智能体快速提供电网拓扑优化控制策略，从而最大限度地提升电网的可用传输容量。华北电力大学Qian Liu 等[3]提出一种考虑控制系统动态特性的分析模型，以描述逆变器接口可再生能源的复杂故障响应，并通过分段线性化方法提出受动态特性影响的故障电流表达式，提高反演准确性。国网智研究院刘广一等[4]在将“源-网-荷-储”各个环节以“电网一张图”的形式紧密链接，提出基于云、雾、边协同理念的“电网一张图”维护与自动更新策略，为智能电网的高效运行提供了技术基础。

在电网图高效计算技术上，美国普捷湾能 库和图计算应用于电力系统实时拓扑分析、状态估计、在线潮流、预想 和图数据库Query 方式分别实现了基于GPU 和图计算的符号 大学庄颖睿等[9]为快速准确地对电力系统暂态稳定进行分析， 方法，该方法建立从暂态过程电网空间结构与时序潮流数 经网络模型来同时提取暂态过程故障前、故障中、故障后的电网空 统暂态稳定的快速准确判断。

综上所述，国内外已开展了关于电网图建模的相关研究工作，但当前研究鲜有综合考虑电网拓扑图异质、高维度和高度不完备的特性，不可避免地导致电网的拓扑结构信息及异质维度深层关联等核心信息的丢失，并且大多方法主要利用现有GPU 通用计算框架实现二阶图加速计算，鲜有方法直接适配高阶图加速计算问题，无法保证电网图的高效计算。因此，还需进一步研究具备整体建模电网拓扑结构和异质信息能力的电网图建模方法。

3 全景电网拓扑异质图多维构建

3.1 全景电网知识结构构建方法

通过条件过滤对电力系统各环节的异质电网数据进行在线流特征选择，首先运用生成式图模型重建异质电网不稳定流数据中缺失数据，通过 糊多领域粒度划分。然后，利用fishe’s Z 检验判断新到特征与类标签的相关性， 子集 中的冗余特征，采用K-贪心策略剔除候选子集中的无关特征和冗余特征；最后， 节点、孩子节点、配偶节点与目标变量之间的因果关系，通过连续地分析当前特征 属性之间的相关性来寻找近似马尔可夫链，注入异质电网数据动态信息，实现动态异质电网数据的有效特征选择。

3.2 多维实体映射的全景电网拓扑异质图构建方法

通过梳理异质电网数据中的电网实体（变压器、母线、开关、杆塔等）和抽象实体（电网环节、电压等级、故障、时间、空间等），提出实体分类方式，分类分析实体特性，建立标准化实体数据结构；然后归纳实体之间的关联关系，形成实体结构化关联方法，同时归纳实体与电网数据之间的关联关系，实现实体数据一致性映射和电网数据分类聚合；最后研究实体全周期演化特征，建立多时间刻度、多空间尺度的实体演化机制，形成实体时态增量表达结构，支撑以时间为主线的异质电网数据统一组织、管理与控制。

图2 全景电网拓扑异质图构建

3.3 全景电网拓扑异质图高效计算方法

实际电网业务分析场景中，电网拓扑异质图一般涉及庞大的节点和交互集合，对应的电网拓扑异质图计算模型的决策参数集合十分庞大，需要耗费大量计算时间。为解决超电网拓扑异质图高性能计算难题，首先需要电网拓扑异质图进行子图划分，形成精确、鲁棒、均衡的独立子图结构，以适配分布式并行计算平台部署需求。为此，首先运用图神经网络、深度图自编码器、深度稀疏滤波等深度图表示学习技术学习目标电网拓扑异质图的低维嵌入；然后，引入对偶生成对抗学习技术，一方面生成低维嵌入的干扰信息，另一方面模拟噪声生成部分冗余干扰样本，同时进行低维嵌入的对抗强化训练；其次，结合深度子空间聚类的具体任务，引入生成式自监督学习技术，通过辅助学习模块挖掘原始数据自身的隐含模式，增强模型泛化性能，进而构建精确、鲁棒的深度子空间聚类模型。

这里以数据驱动的优化算法为主导，适度融合控制思想，实现对优化过程中各个环节的模型化描述和有效控制。但由于电网拓扑异质图具备动态演化特性，在优化过程中需要建立相邻时刻的电网拓扑异质图时间切片之间的时态转移关系。卡尔曼滤波是自动控制理论中一种重要的动态估计方法，其可以对含有不确定信息的动态系统构造状态空间，通过测量数据对系统下一步状态做出最优的预测。相应地，把电网拓扑异质图带入卡尔曼滤波的状态转移空间，可以得到如下表达式：

其中 Υ_：：k 和 Y_：：k-1 分别表示第k 个时刻和第 k-1 个时刻对应的电网拓扑异质图时间切片数据，Fk 表示状态转移矩阵，ak 表示状态转移噪声，Mk 表示测量矩阵，bk 表示测量噪声，dk 表示 Y_：：k 中的已知信息。基于上式，可以通过卡尔曼滤波的状态方程，建模数据的时变模式，进一步使数据驱动的优化算法具备时间迁移能力。除基础卡尔曼滤波外，还可以在优化过程中融合扩展卡尔曼滤波器和无迹卡尔曼滤波器以对数据时态的精准跟踪，从而实现对全景电网拓扑异质图计算模型高效求解。

本文聚焦全景电网拓扑异质图多维构建，首先研究全景电网知识结构构建方法，实现全景电网异质数据融合表示与有效特选择；然后研究多维实体映 景电网异质图构建方法，实现全景电网拓扑异质图多维构建；最后研究全景电网异质图高效计算方法，实现全景电网拓扑异质图计算模型高效求解。为面向超大规模电网设备节点的图计算分析奠定基础，支撑对全景电网负荷预测、故障预警等智能化任务。

5 参考文献

[1] 陈政， 张俊勃， 陈戈等. 基于 RedisGraph 的电网 CIM/XML 数据模型构建与应用[J]. 电力信息与通信技术， 2022， 20（4）：1-8.

[2] 周毅， 周良才， 丁佳立等. 基于深度强化学习的电网拓扑优化及潮流控制[J]. 上海交通大学学报， 2021，55（S2）： 7-14.

[3] Q. Liu， K. Jia， B. Yang， L. Zheng， and T. Bi. Analytical model of inverter-interfaced renewable energy sources

for power system protection[J]. IEEE Trans. on Power Delivery， 2023， 38（2）：1064-1073.

[4] 刘广一， 谭俊， 魏龙飞等. 基于云雾边协同理念的"电网一张图"维护与自动更新策略研究[J]. 电力信息

与通信技术， 2020， 18（04）：25–32.

[5] 戴仁昶， 王亚伟， 刘广一等. 电力系统预想故障分析 GPU 并行和图并行计算的比较研究[J]. 电网技术，

2021， 45（6）： 2064-2069.

[6] 庄颖睿， 肖谭南， 程林等. 基于时空图卷积网络的电力系统暂态稳定评估[J]. 电力系统自动化， 2022，

46（11）：11–18.

作者简介：冯浩，男，1984 年12 月出生，工学硕士，副教授/高级工程师，主要研究方向：配电网工程技术、应用电子技术等。夏艳，女，1992 年9 月出生，工学硕士，讲师/工程师，主要研究方向：电力电子技术、张量分析等。刘伟，男，1988 年10 月出生，大学学士，高级工程师，主要研究方向：电力系统自动化、人工智能。基金项目：2024 年度市教委科学技术研究计划项目 KJQN202403016、KJQN202403017；重庆航天职业技术学院职业教育本科专项教改课题XJ202202。