基于圖神經(jīng)網(wǎng)絡(luò)的智能電網(wǎng)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)

周曉燕 凌天楊 曾胡貴 黃蘭玲 赫彬彤

摘要：近年來(lái)，隨著社會(huì)的不停前進(jìn)發(fā)展，我國(guó)的科學(xué)技術(shù)發(fā)展迅速，國(guó)家的進(jìn)一步發(fā)展對(duì)電力供應(yīng)提出更高的要求。針對(duì)全國(guó)各地電網(wǎng)的輸電線(xiàn)路所處環(huán)境存在不確定性，使線(xiàn)路運(yùn)行不安全的問(wèn)題，提出基于圖神經(jīng)網(wǎng)絡(luò)的智能電網(wǎng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)。該系統(tǒng)基于圖神經(jīng)網(wǎng)絡(luò)，將數(shù)據(jù)建模為圖，構(gòu)建數(shù)據(jù)集，將數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到異常數(shù)據(jù)模型，并采用了記憶增強(qiáng)神經(jīng)網(wǎng)絡(luò)提高了系統(tǒng)的穩(wěn)定性，最終得到異常監(jiān)測(cè)指標(biāo)。實(shí)驗(yàn)表明，該系統(tǒng)有效解決了電網(wǎng)電線(xiàn)路所處環(huán)境不確定性的問(wèn)題，保障了線(xiàn)路運(yùn)行的安全，避免由電網(wǎng)故障帶來(lái)的巨額損失。

關(guān)鍵詞：圖神經(jīng)網(wǎng)絡(luò);數(shù)據(jù)建模;數(shù)據(jù)集;異常數(shù)據(jù)監(jiān)測(cè)模型;記憶增強(qiáng)神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)：TP18 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）13-0077-02

1引言

進(jìn)入 21 世紀(jì)新時(shí)代的中國(guó)，對(duì)電力的需求火速增長(zhǎng)，電力建設(shè)隨著經(jīng)濟(jì)發(fā)展和西部大開(kāi)發(fā)戰(zhàn)略的實(shí)施不斷加強(qiáng)施工完善，電網(wǎng)的發(fā)展已全面推進(jìn)南北互供、西電東送與全國(guó)聯(lián)網(wǎng)等有效政策。電網(wǎng)系統(tǒng)的不斷完善使中國(guó)實(shí)現(xiàn)電力更大范圍，更大規(guī)模資源優(yōu)化配置的新階段[1]。因此應(yīng)重視電力供應(yīng)的質(zhì)量和數(shù)量的問(wèn)題，電網(wǎng)是經(jīng)濟(jì)發(fā)展的主要基礎(chǔ)產(chǎn)業(yè)，是國(guó)家能源產(chǎn)業(yè)鏈的核心環(huán)節(jié)。因此，增大對(duì)智能電網(wǎng)的投入和研發(fā)，促使電力設(shè)備不斷完善和不斷增長(zhǎng)，使國(guó)家電力系統(tǒng)安全穩(wěn)定可靠。本文對(duì)電網(wǎng)電線(xiàn)路所處環(huán)境的不確定性的問(wèn)題進(jìn)行研究和分析，研究了一種基于圖神經(jīng)網(wǎng)絡(luò)的智能電網(wǎng)監(jiān)測(cè)系統(tǒng)，用于加強(qiáng)對(duì)電力的監(jiān)控，保障電力安全穩(wěn)定運(yùn)行，致力于解決國(guó)家電網(wǎng)的檢測(cè)問(wèn)題，減少電網(wǎng)故障和用電事故的發(fā)生。

2設(shè)計(jì)方案

2.1 系統(tǒng)總體設(shè)計(jì)方案

電力設(shè)備狀態(tài)檢測(cè)的核心技術(shù)就是融合各種技術(shù)進(jìn)行全方位的監(jiān)測(cè)，通過(guò)設(shè)備管理解決復(fù)雜的工作環(huán)境帶來(lái)的各種問(wèn)題。本設(shè)計(jì)是依靠圖神經(jīng)網(wǎng)絡(luò)的智能電網(wǎng)監(jiān)測(cè)系統(tǒng)，設(shè)計(jì)方案包括如下步驟：采集數(shù)據(jù)、預(yù)處理、搭建網(wǎng)絡(luò)模型、預(yù)訓(xùn)練和遷移學(xué)習(xí)、預(yù)測(cè)和抽檢驗(yàn)證以完善整個(gè)預(yù)測(cè)系統(tǒng)（如圖1所示）。

具體步驟是：第一，通過(guò)利用數(shù)據(jù)信息平臺(tái)系統(tǒng)獲取大量的電力裝置信息、環(huán)境情況和電網(wǎng)運(yùn)行狀態(tài)等多種電力設(shè)備工作時(shí)的具體數(shù)據(jù)，然后繼續(xù)對(duì)各種電力裝置的數(shù)據(jù)進(jìn)行高精度分析和自動(dòng)化學(xué)習(xí)，從大量數(shù)據(jù)中分析出數(shù)據(jù)的規(guī)律，繼而對(duì)電力裝置的狀態(tài)進(jìn)行詳細(xì)診斷、評(píng)估與預(yù)測(cè)相關(guān)的風(fēng)險(xiǎn)以及預(yù)警，獲取有價(jià)值的分析數(shù)據(jù)，建立狀態(tài)評(píng)估模型;第二，通過(guò)各種指標(biāo)和分析方法，把電力設(shè)施設(shè)備的大量數(shù)據(jù)通過(guò)數(shù)據(jù)統(tǒng)計(jì)、圖表、數(shù)值比較等更加直觀(guān)、具體的方式呈現(xiàn)，準(zhǔn)確地反映出設(shè)備的狀況，為生產(chǎn)設(shè)備管理時(shí)刻嚴(yán)格把控設(shè)備的正常運(yùn)行狀態(tài)，提升設(shè)備正常運(yùn)行的水平;第三，通過(guò)對(duì)智能系統(tǒng)所監(jiān)控的電能進(jìn)行大量數(shù)據(jù)分析，了解配電、配網(wǎng)設(shè)備的工作狀態(tài)是否正常，實(shí)行高效的政策，使電力系統(tǒng)的所提供的電力質(zhì)量能被有效管理，及時(shí)發(fā)現(xiàn)當(dāng)?shù)仉娋W(wǎng)是否存在損耗、電能效率是否在合理范圍、供電是否安全等重要問(wèn)題;第四，通過(guò)了解企業(yè)生產(chǎn)設(shè)備情況，及時(shí)處理因設(shè)備的損耗造成運(yùn)行電能浪費(fèi)、電耗不合理、設(shè)備工況不良等問(wèn)題;第五，通過(guò)數(shù)據(jù)分析出每個(gè)設(shè)備或設(shè)備群的單耗與用電成本，為電能的考核提供了準(zhǔn)確的依據(jù);第六，能夠及時(shí)監(jiān)測(cè)到生產(chǎn)設(shè)備的空載耗電情況，例如智能家居等用電產(chǎn)品的電能浪費(fèi)情況?；趫D神經(jīng)網(wǎng)絡(luò)的電網(wǎng)監(jiān)測(cè)系統(tǒng)的實(shí)測(cè)數(shù)據(jù)以及異常警告能為電網(wǎng)安全提供優(yōu)質(zhì)的保障。

相比于人工檢測(cè)，此算法提高了部件檢測(cè)的準(zhǔn)確率以及效率，減少了人為因素對(duì)檢測(cè)的干預(yù)，降低了人工成本和檢測(cè)成本。相比于傳統(tǒng)機(jī)器學(xué)習(xí)方法，圖神經(jīng)網(wǎng)絡(luò)不要求數(shù)據(jù)的組成形式必須具有良好的空間關(guān)系，即具有排列齊整的矩陣形式，也可以處理非結(jié)構(gòu)化輸入的特點(diǎn)，極大地提高了模型的表達(dá)能力。圖神經(jīng)網(wǎng)絡(luò)算法將深度神經(jīng)網(wǎng)絡(luò)的運(yùn)算（如卷積、梯度計(jì)算）與迭代圖傳播結(jié)合在一起每個(gè)頂點(diǎn)的特征都是由其鄰居頂點(diǎn)的特征結(jié)合一組深度神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算[2]，相比于卷積神經(jīng)網(wǎng)絡(luò)方法，圖神經(jīng)網(wǎng)絡(luò)方便更好地處理各元素的邏輯關(guān)系，從而提高和完善模型的泛化能力。在網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中，每個(gè)節(jié)點(diǎn)負(fù)責(zé)傳播自身的信息以及綜合鄰居節(jié)點(diǎn)的信息，從而學(xué)習(xí)掌握數(shù)據(jù)的邏輯范式。

2.2軟件開(kāi)發(fā)環(huán)境與設(shè)計(jì)

基于圖神經(jīng)網(wǎng)絡(luò)的電網(wǎng)監(jiān)測(cè)系統(tǒng)，需要充分運(yùn)用互聯(lián)網(wǎng)在生產(chǎn)配置中的強(qiáng)化和融合作用，將互聯(lián)網(wǎng)深度融合于區(qū)域配電網(wǎng)系統(tǒng)中進(jìn)行數(shù)據(jù)的傳輸。本系統(tǒng)使用云服務(wù)器ECS搭建軟件開(kāi)發(fā)環(huán)境，借助Laravel框架、輕量級(jí)jQuery前端框架以及百度地圖API進(jìn)一步完善系統(tǒng)，使其地域包容性能發(fā)揮到最大。其次，進(jìn)一步通過(guò)代碼編寫(xiě)實(shí)現(xiàn)用戶(hù)管理系統(tǒng)、數(shù)據(jù)實(shí)時(shí)顯示、地理信息系統(tǒng)、故障預(yù)警系統(tǒng)和歷史數(shù)據(jù)查詢(xún)系統(tǒng)，共同構(gòu)成一個(gè)完善的檢測(cè)系統(tǒng)。通過(guò)軟件實(shí)現(xiàn)用戶(hù)管理層、傳輸層、支撐層和應(yīng)用層于一體，可實(shí)現(xiàn)區(qū)域配電網(wǎng)的實(shí)時(shí)監(jiān)測(cè)、智能檢修、智能評(píng)估，大大減輕區(qū)域配電網(wǎng)的建設(shè)與維護(hù)工作[3]。

2.3圖神經(jīng)網(wǎng)絡(luò)

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)技術(shù)：利用拉普拉斯矩陣的特性，分解定義了圖傅里葉變換，即可得到基于圖傅里葉變換的異常檢測(cè)方法。另一主流技術(shù)是，利用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)（CNN），實(shí)對(duì)數(shù)據(jù)的順序輸入，進(jìn)而實(shí)現(xiàn)異常分類(lèi)。具體的步驟是，當(dāng)給該網(wǎng)絡(luò)系統(tǒng)一張全新的圖信息時(shí)，CNN并不能迅速正確地判斷這些信息特征要與原圖的哪些部分匹配，所以CNN會(huì)將圖中每一個(gè)坐標(biāo)的數(shù)據(jù)和信息特征進(jìn)行匹配，相當(dāng)于把這個(gè)feature（特征）變成了一個(gè)過(guò)濾器。故把用來(lái)匹配的過(guò)程稱(chēng)為卷積操作;CNN通過(guò)另一個(gè)手段——“池化（Pooling）”，使計(jì)算更加高效。池化就是通過(guò)對(duì)輸入的圖片進(jìn)行相同間隔地舍棄一部分信息，降低像素，但保留主要的特征信息。完成上述兩個(gè)步驟后，信息就會(huì)在激活函數(shù)ReLU的計(jì)算下，篩選出需要的信息，完成異常檢測(cè)。

更進(jìn)一步的技術(shù)：圖神經(jīng)網(wǎng)絡(luò)技術(shù)，圖神經(jīng)網(wǎng)絡(luò)的研究與圖嵌入密切相關(guān)，圖嵌入旨在保存圖的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)信息，將圖中頂點(diǎn)表示為低維向量，以便使用簡(jiǎn)單的機(jī)器學(xué)習(xí)算法。

它將數(shù)據(jù)建模為圖，并將數(shù)據(jù)利用關(guān)聯(lián)矩陣（拉普拉斯矩陣）輸入到模型中，構(gòu)建圖卷積模型，進(jìn)行多層傳遞，并利用ReLu激活函數(shù)進(jìn)行輸出，增加其非線(xiàn)性表達(dá)能力;并對(duì)輸出結(jié)果設(shè)立判決門(mén)限，以此完成對(duì)數(shù)據(jù)的監(jiān)測(cè)，進(jìn)而能夠找出異常的數(shù)據(jù)。這無(wú)一不體現(xiàn)其強(qiáng)大的功能。

另外為了輔助與完善圖神經(jīng)網(wǎng)絡(luò)在本算法中的穩(wěn)定性，創(chuàng)新性地引入記憶增強(qiáng)神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)集層面的通用知識(shí)被采用附加的存儲(chǔ)空間來(lái)存儲(chǔ)數(shù)據(jù)集的基本數(shù)據(jù)獲取。該方法有反向傳播訓(xùn)練直接進(jìn)行機(jī)器學(xué)習(xí)和更新存儲(chǔ)的優(yōu)點(diǎn)，這是與現(xiàn)有的通過(guò)鍵值記憶策略存儲(chǔ)最大的不同。

3創(chuàng)新設(shè)計(jì)

1）使用圖結(jié)構(gòu)

與圖像、文本不同，圖結(jié)構(gòu)是復(fù)雜多變的不規(guī)則領(lǐng)域（圖2為一個(gè)標(biāo)準(zhǔn)的圖結(jié)構(gòu)）。

圖神經(jīng)網(wǎng)絡(luò)是不同于神經(jīng)網(wǎng)絡(luò)的一類(lèi)基于深度學(xué)習(xí)的處理圖域信息的技術(shù)，它把深度學(xué)習(xí)和圖廣播操作算法深度結(jié)合，可以讓頂點(diǎn)屬性和圖的結(jié)構(gòu)信息都參與到神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中，在與圖分析領(lǐng)域的深度學(xué)習(xí)等應(yīng)用中表現(xiàn)出可行性和可解釋性[3]，它的主要思想是如何使用神經(jīng)網(wǎng)絡(luò)迭代地從局部圖鄰域聚集特征信息。同時(shí)，節(jié)點(diǎn)信息經(jīng)過(guò)轉(zhuǎn)換和聚合后可以通過(guò)圖來(lái)傳播。因此，GNNs自然地整合了節(jié)點(diǎn)信息和拓?fù)浣Y(jié)構(gòu)，在深度學(xué)習(xí)上有強(qiáng)大的能力，已成為一種廣泛應(yīng)用的圖分析方法。

另外，圖結(jié)構(gòu)的存在彌補(bǔ)了CNN與RNN在數(shù)據(jù)結(jié)構(gòu)上的不足，CNN與RNN都只能進(jìn)行歐幾里得結(jié)構(gòu)類(lèi)型的運(yùn)算，而圖則可以進(jìn)行非歐幾里得結(jié)構(gòu)領(lǐng)域的運(yùn)算，這是其顯著優(yōu)點(diǎn)。

2）融合了各項(xiàng)關(guān)鍵技術(shù)的多種優(yōu)勢(shì)

同步向量測(cè)試單元是電網(wǎng)廣域測(cè)量系統(tǒng)的基本構(gòu)成單元，對(duì)電網(wǎng)的檢測(cè)具有重要作用，其實(shí)時(shí)監(jiān)測(cè)、準(zhǔn)確測(cè)量和可靠上傳的功能是電網(wǎng)穩(wěn)定分析和控制的基本前提。

此算法功能強(qiáng)大，利用圖的強(qiáng)大存儲(chǔ)能力與自適應(yīng)學(xué)習(xí)的能力，完美融合了各項(xiàng)關(guān)鍵技術(shù)的多種優(yōu)勢(shì)融合同步向量測(cè)量技術(shù)中的動(dòng)態(tài)監(jiān)視與狀態(tài)估計(jì)、模型的驗(yàn)證和繼電保護(hù)和故障定位、穩(wěn)定預(yù)測(cè)與控制等技術(shù)。

3）穩(wěn)定性與安全性

本算法內(nèi)部具有自適應(yīng)程序和反饋程序，可以一定程度上提高整個(gè)系統(tǒng)的穩(wěn)定性與安全性。

4）具有自適應(yīng)學(xué)習(xí)能力

作為一種高效的機(jī)器學(xué)習(xí)方法，圖神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)完成對(duì)微弱信號(hào)的檢驗(yàn)和對(duì)各傳感器信息實(shí)時(shí)處理，具有自適應(yīng)自學(xué)習(xí)功能，實(shí)現(xiàn)自動(dòng)目標(biāo)識(shí)別、容錯(cuò)性高及掌握環(huán)境特征的自動(dòng)化，抗干擾能力強(qiáng)等優(yōu)點(diǎn)。

5）具有可靠的數(shù)據(jù)存儲(chǔ)能力

本系統(tǒng)可以與大型的數(shù)據(jù)庫(kù)互相配合提高效率，即可以導(dǎo)入大型數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)記錄進(jìn)行精細(xì)處理。同時(shí)支持多種存儲(chǔ)引擎，極大地提高了存儲(chǔ)能力。

4總結(jié)

本系統(tǒng)使用圖神經(jīng)網(wǎng)絡(luò)的高效算法進(jìn)行測(cè)量電力電網(wǎng)系統(tǒng)中的用戶(hù)參數(shù)等狀態(tài)信息，并對(duì)整個(gè)系統(tǒng)的狀態(tài)進(jìn)行風(fēng)險(xiǎn)評(píng)估。系統(tǒng)所獲得的這些數(shù)據(jù)均為實(shí)時(shí)數(shù)據(jù)，將數(shù)據(jù)上傳至云平臺(tái)，利用向量測(cè)量單元進(jìn)行數(shù)據(jù)處理實(shí)現(xiàn)對(duì)電網(wǎng)的高精度早期預(yù)警，預(yù)防出現(xiàn)電網(wǎng)事故，造成巨額損失。智能電網(wǎng)的運(yùn)行與維護(hù)通過(guò)與本設(shè)計(jì)的監(jiān)測(cè)系統(tǒng)緊密結(jié)合逐漸實(shí)現(xiàn)對(duì)電網(wǎng)控制的信息化、自動(dòng)化、和互動(dòng)化[4]。本電網(wǎng)檢測(cè)系統(tǒng)若能投入生產(chǎn)，可以實(shí)現(xiàn)社會(huì)能源利用效率的提高，使地區(qū)電網(wǎng)的運(yùn)行、維護(hù)和管理成本降低。智能電網(wǎng)系統(tǒng)是國(guó)家電力系統(tǒng)未來(lái)發(fā)展的一個(gè)大方向，所以電網(wǎng)的監(jiān)測(cè)系統(tǒng)更應(yīng)受到重視。在國(guó)家電網(wǎng)的不斷發(fā)展過(guò)程中，正是電力的生產(chǎn)、輸送、分配憑借計(jì)算機(jī)技術(shù)、智能控制技術(shù)和網(wǎng)絡(luò)通信技術(shù)的幫助，實(shí)現(xiàn)電力系統(tǒng)的“經(jīng)濟(jì)高效、靈活互動(dòng)、友好開(kāi)放、清潔環(huán)?！盵5]。

參考文獻(xiàn)：

[1] 趙希正.強(qiáng)化電網(wǎng)安全保障可靠供電——美加“8·14”停電事件給我們的啟示[J].電網(wǎng)技術(shù)，2003，27（10）：1-7.

[2] 趙港，王千閣，姚烽，等.大規(guī)模圖神經(jīng)網(wǎng)絡(luò)系統(tǒng)綜述[J].軟件學(xué)報(bào)，2022，33（1）：150-170.

[3] 楊彥波，朱建軍.電力系統(tǒng)同步向量測(cè)量單元測(cè)試方法設(shè)計(jì)[J].寧夏電力，2021（4）：39-43.

[4] 李建勇.淺析智能電網(wǎng)系統(tǒng)的發(fā)展與市場(chǎng)前景[J].電力設(shè)備管理，2021（4）：31-33.

[5] 方嘉祥.智能電網(wǎng)信息安全及新技術(shù)研究綜述[J].科技與創(chuàng)新，2022（4）：21-25.

【通聯(lián)編輯：梁書(shū)】