CN120262400A 一种基于改进图神经网络的配电网网架拓扑辨识方法 （国网上海市电力公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120262400A

(43)申请公布日2025.07.04

(21)申请号202510712678.0

(22)申请日2025.05.30

(71)申请人国网上海市电力公司

地址200122上海市浦东新区自由贸易试

验区源深路1122号

(72)发明人姜晖钱忠董志文张家圣

刘晓强杨敏杰樊子晖过志浩

高睿陶建华张翔

(74)专利代理机构上海科盛知识产权代理有限

公司31225专利代理师严玉丹

(51)Int.CI.

H02J3/00(2006.01)

GO6N3/042(2023.01)

权利要求书5页说明书16页附图2页

(54)发明名称

一种基于改进图神经网络的配电网网架拓扑辨识方法

(57)摘要

CN120262400A本发明涉及电力系统拓扑辨识技术领域，具体为一种基于改进图神经网络的配电网网架拓扑辨识方法，步骤包括：收集配电网的节点和边的实时电气量数据，对配电网图结构建模；以实时采集数据构建节点、边和超边特征矩阵，输入改进图神经网络拓扑辨识模型，通过图注意力网络动态加权调整边权重，并对局部拓扑特征与全局拓扑特征进行拼接融合，生成预测邻接矩阵；当配电网发生动态变化，通过邻接矩阵差异定位变化区域，并提取子图进行增量更新；基于最终邻接矩阵构造配电网的拓扑结构，输出节点的物理位置和边的连接关系。与现有技术相比，本发明显著提升了模型的实时性、泛化能力和适用

CN120262400A

数据采集与预处理

数据采集与预处理

配电网图结构建模

建立改进图神经网络

改进图神经网络模型训练与优化

拓扑辨识与动态更新

输出拓扑辨识结果

步骤一

步骤二

步骤三

步骤四

步骤五

步骤六

CN120262400A权利要求书1/5页

2

1.一种基于改进图神经网络的配电网网架拓扑辨识方法，其特征在于，步骤包括：

收集配电网的节点和边的实时电气量数据，采用加权图和超图的方式对配电网图结构

建模；

以实时采集数据构建节点、边和超边特征矩阵，输入训练好的改进图神经网络拓扑辨识模型，所述改进图神经网络拓扑辨识模型，通过图注意力网络动态加权调整边权重，并对局部拓扑特征与全局拓扑特征进行拼接融合，生成预测邻接矩阵；

当配电网发生动态变化，通过邻接矩阵差异定位变化区域，并提取子图进行增量更新；基于最终邻接矩阵构造配电网的拓扑结构，输出节点的物理位置和边的连接关系。

2.根据权利要求1所述的一种基于改进图神经网络的配电网网架拓扑辨识方法，其特征在于，对所述配电网图结构建模具体实现如下：

将配电网建模为一个加权图G(V,E,W),其中，V为节点集合，表示设备；E为边集合，表示物理连接关系；W为边权重集合，表示线路的物理参数；

每个节点Vi的特征由其电气量信息构成，形成节点特征向量Xv,所述电气量信息包括：节点电压、节点电流以及节点的有功功率与无功功率；

每条边eij的权重Wij由线路的电气特性决定：

Wi;=√r2+x},

其中：Wij为线路的综合阻抗，即权重，Yij为线路的电阻，Xij为线路的电抗；

对于复杂的设备组，使用超图H=(V,EH)表示，其中，V为节点集合，表示设备；

EH为超边集合，一个超边同时关联多个节点，每个超边的特征Xen包括关联节点的属性和线路参数的聚合结果：

Xen=Ag({Xv,Xv?…,X}),

其中，Xen为超边特征向量，Xv;为节点特征向量，k为与超边关联的节点数量。

3.根据权利要求1所述的一种基于改进图神经网络的配电网网架拓扑辨识方法，其特征在于，所述改进图神经网络拓扑辨识模型通过动态调整边权重以突出关键设备，具体实现如下：

将节点特征通过线性变换映射到高维空间，为每个边eij动态计算注意力权重Cij:

其中，LeakyReLU为激活函数；Hv,与Hv;为节点Vi和Vj映射后的特征，||为特征拼接操作，a为注意力向量；

根据节点和边特征的相似性调整信息传播重要性，使用注意力权重对节点特征聚合：

CN120262400A权利要求书2/5页

3

其中：σ为激活函数，W(1为第L层的可学习权重矩阵，为第l层节点特征。

4.根据权利