本发明属于电力系统分析，涉及一种基于图注意力网络的新能源电网薄弱环节辨识方法及系统。
背景技术：
1、随着新能源大规模集中接入电力系统，电网稳态运行面临安全风险，系统可能存在节点电压越限和线路潮流越限风险，电网薄弱环节辨识对电力系统的安全性有重要意义，其目的是为了对系统薄弱环节进行有效监视，针对薄弱环节带来的运行风险及时制定有效的措施。本专利提出一种基于图注意力网络的电网风险薄弱环节辨识方法，通过对电网运行数据“离线训练，在线应用”的方式，从系统层面过渡到设备层面，辨识电网运行薄弱环节以及薄弱程度。
2、电力系统薄弱环节辨识是指对电力系统安全稳定运行影响较大设备进行识别，其目的是为了对系统的薄弱环节进行有效监视，针对薄弱环节带来的运行风险及时制定有效的措施，进而提高系统的安全水平。
3、目前，针对电网薄弱环节辨识的研究成果，主要有基于复杂网络理论和基于电网运行特性两类方法。基于复杂网络理论的方法主要通过分析电网拓扑结构和节点特性，利用度、介数等指标反映系统网架特性，实现电网薄弱点的辨识。基于电网运行特性的辨识主要通过分析系统潮流特性，利用信息熵、奇异值熵、潮流熵等指标构建综合量化评估指标，定量分析电网功率分布均衡性，辨识电网关键节点和关键支路。
4、在面临新能源不确定性场景以及电网规模扩大情况下，无论是n-1还是概率潮流技术，都会导致计算时间的激增，并不适用于日内或实时场景，因此可结合人工智能算法“离线训练，在线应用”的技术特点实现薄弱环节的快速辨识，提升在线应用的时效性。
5、现有技术提出的一种电力系统薄弱环节辨识方法、装置、设备及介质，建立电力系统基础运行模型，得到线路均处于正常运行状态时电网满足所有负荷的规划方案，建立电力系统故障选择模型校验规划方案的事故承受能力，建立电力系统应对故障的运行模型获取失负荷量，最终在标准系统中进行仿真分析，输出电力系统的薄弱环节辨识结果。此专利通过建立电力系统基础运行模型、电力系统故障选择模型、电力系统应对故障运行模型实现对薄弱环节的辨识，但随着高比例新能源大量接入电网，新能源出力的随机性会使电力系统具有各种不同的运行状态，采用确定性优化模型辨识薄弱环节难以面对大量的电网运行场景，并且在实际应用中，通过三层优化模型计算得到薄弱环节辨识结果的时效性难以保证。
技术实现思路
1、本发明的目的在于提供一种基于图注意力网络的新能源电网薄弱环节辨识方法及系统，以解决现有技术中采用确定性优化模型辨识薄弱环节难以面对大量的电网运行场景，且薄弱环节辨识结果的时效性难以保证的技术问题。
2、为达到上述目的，本发明采用以下技术方案予以实现：
3、本发明提出的一种基于图注意力网络的新能源电网薄弱环节辨识方法，包括如下步骤：
4、获取新能源电网待识别的基态潮流结果；
5、将待识别的基态潮流结果输入预先训练好的图注意力网络的风险薄弱环节辨识模型，输出电网运行风险薄弱线路，实现电网薄弱环节辨识；
6、其中预先训练好的图注意力网络的风险薄弱环节辨识模型，通过以下步骤获得：获取新能源运行场景下所有线路的分类结果；构建图注意力网络的风险薄弱环节辨识模型，将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，获得预先训练好的图注意力网络的风险薄弱环节辨识模型。
7、优选地，获取新能源运行场景下所有线路的分类结果，具体为：
8、根据电网历史新能源发电预测数据和实际数据，统计预测误差概率分布，通过抽样生成新能源场景作为数据源；
9、对新能源场景数据进行基态潮流计算，得到潮流计算结果；
10、分析潮计算结果中所有场景下线路的重过载情况，若线路过载，则该线路为薄弱线路，将其放入薄弱线路集合中，并对相应场景下线路进行薄弱标记处理，后续不对其进行薄弱辨识；若线路未过载，则未被认定为薄弱环节的线路构成线路开断集合，作为薄弱线路的候选集合；
11、遍历新能源运行场景，逐个断开该场景下薄弱线路候选集合的线路，计算线路开断后的潮流，统计当前线路开断后引发的重过载潮流转移情况；
12、待薄弱线路候选集合线路开断潮流计算完毕后，比对线路开断前后的潮流转移情况，确定开断线路是否为薄弱环节，若是，则进行薄弱标记处理，若非薄弱线路，则进行非薄弱标记处理；待开断线路遍历完，得到新能源运行场景下所有线路是否薄弱的初始分类结果。
13、优选地，所述构建图注意力网络的风险薄弱环节辨识模型，具体为：
14、图注意力网络的风险薄弱环节辨识模型包括图注意力网络输入特征、损失函数、softmax函数分类器和反向传播优化。
15、优选地，所述图注意力网络输入特征，具体为：
16、确定风险薄弱环节辨识模型输入信息作为图注意力网络输入，输入包括图网络中节点的初始属性x和关联矩阵a，将图网络中节点的初始属性信息划分为拓扑重要度特征和潮流工况特征；选取初始属性作为图网络节点的节点初始特征向量；
17、其中，拓扑重要度特征包括线路的边度数指标x1i和边介数指标x2i；潮流工况特征包括线路传输容量x3i，输电裕度x4i，负载率x5i，潮流转移度x6i。
18、优选地，所述损失函数，具体为：
19、在新能源运行场景中，采用带权重的交叉熵函数构成损失函数：
20、
21、其中，loss为损失函数，t为单次训练的图网络节点数量，若对电网运行风险薄弱线路进行辨识，则t为单次训练线路数量，若对电网运行风险薄弱节点进行辨识，则t为单次训练的节点数；ci是电网运行风险薄弱环节的类别，若参与训练的节点或者线路是电网运行的薄弱环节，则ci取值为1，否则取值为0；p1i和p2i分别表示参与训练的样本i是高比例新能源运行风险薄弱环节或非薄弱环节的概率值；wweak是样本为电网运行风险薄弱点时的权重，wnon-weak表示样本非电网运行风险薄弱点的权重。
22、优选地，所述softmax函数分类器，具体为：
23、
24、其中，pi为训练样本i的风险薄弱概率向量，p1i代表图网络中节点i属于风险薄弱环节的概率，p2i代表图网络中节点i不属于风险薄弱环节的概率，将概率数值较大的类别作为图网络节点i的所属类别；yi为输入x变换和聚合后的节点属性向量，维度设为2，即yi＝[y1i,y2i]τ，y1i和y2i均为聚合后的属性信息。
25、优选地，所述反向传播优化，具体为：
26、利用sgd优化器，对得到的图网络节点特征进行优化，获得最优转换矩阵如下：
27、
28、其中，wj+1为第j+1次迭代的模型参数矩阵，wj为第j次迭代的模型参数矩阵，w为模型的参数，γ为学习率，j为迭代次数。
29、优选地，所述将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，具体为：
30、获取图网络节点，计算图网络中节点i与邻居节点的注意力系数，加权聚合节点与邻居节点信息，取多头注意力下节点特征均值，循环迭代图注意力网络的风险薄弱环节辨识模型，当验证集损失函数不变时输出最优图注意力网络的风险薄弱环节辨识模型，当达到最大迭代次数时完成图注意力网络的风险薄弱环节辨识模型的训练。
31、本发明提出的一种基于图注意力网络的新能源电网薄弱环节辨识系统，包括：
32、数据获取模块，用于获取新能源电网待识别的基态潮流结果；
33、数据处理模块，用于将待识别的基态潮流结果输入预先训练好的图注意力网络的风险薄弱环节辨识模型，输出电网运行风险薄弱线路，实现电网薄弱环节辨识；
34、其中预先训练好的图注意力网络的风险薄弱环节辨识模型，通过以下步骤获得：获取新能源运行场景下所有线路的分类结果；构建图注意力网络的风险薄弱环节辨识模型，将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，获得预先训练好的图注意力网络的风险薄弱环节辨识模型。
35、优选地，获取新能源运行场景下所有线路的分类结果，具体为：
36、根据电网历史新能源发电预测数据和实际数据，统计预测误差概率分布，通过抽样生成新能源场景作为数据源；
37、对新能源场景数据进行基态潮流计算，得到潮流计算结果；
38、分析潮计算结果中所有场景下线路的重过载情况，若线路过载，则该线路为薄弱线路，将其放入薄弱线路集合中，并对相应场景下线路进行薄弱标记处理，后续不对其进行薄弱辨识；若线路未过载，则未被认定为薄弱环节的线路构成线路开断集合，作为薄弱线路的候选集合；
39、遍历新能源运行场景，逐个断开该场景下薄弱线路候选集合的线路，计算线路开断后的潮流，统计当前线路开断后引发的重过载潮流转移情况；
40、待薄弱线路候选集合线路开断潮流计算完毕后，比对线路开断前后的潮流转移情况，确定开断线路是否为薄弱环节，若是，则进行薄弱标记处理，若非薄弱线路，则进行非薄弱标记处理；待开断线路遍历完，得到新能源运行场景下所有线路是否薄弱的初始分类结果。
41、优选地，所述构建图注意力网络的风险薄弱环节辨识模型，具体为：
42、图注意力网络的风险薄弱环节辨识模型包括图注意力网络输入特征、损失函数、softmax函数分类器和反向传播优化。
43、优选地，所述图注意力网络输入特征，具体为：
44、确定风险薄弱环节辨识模型输入信息作为图注意力网络输入，输入包括图网络中节点的初始属性x和关联矩阵a，将图网络中节点的初始属性信息划分为拓扑重要度特征和潮流工况特征；选取初始属性作为图网络节点的节点初始特征向量；
45、其中，拓扑重要度特征包括线路的边度数指标x1i和边介数指标x2i；潮流工况特征包括线路传输容量x3i，输电裕度x4i，负载率x5i，潮流转移度x6i。
46、优选地，所述损失函数，具体为：
47、在新能源运行场景中，采用带权重的交叉熵函数构成损失函数：
48、
49、其中，loss为损失函数，t为单次训练的图网络节点数量，若对电网运行风险薄弱线路进行辨识，则t为单次训练线路数量，若对电网运行风险薄弱节点进行辨识，则t为单次训练的节点数；ci是电网运行风险薄弱环节的类别，若参与训练的节点或者线路是电网运行的薄弱环节，则ci取值为1，否则取值为0；p1i和p2i分别表示参与训练的样本i是高比例新能源运行风险薄弱环节或非薄弱环节的概率值；wweak是样本为电网运行风险薄弱点时的权重，wnon-weak表示样本非电网运行风险薄弱点的权重。
50、优选地，所述softmax函数分类器，具体为：
51、
52、其中，pi为训练样本i的风险薄弱概率向量，p1i代表图网络中节点i属于风险薄弱环节的概率，p2i代表图网络中节点i不属于风险薄弱环节的概率，将概率数值较大的类别作为图网络节点i的所属类别；yi为输入x变换和聚合后的节点属性向量，维度设为2，即yi＝[y1i,y2i]τ，y1i和y2i均为聚合后的属性信息。
53、优选地，所述反向传播优化，具体为：
54、利用sgd优化器，对得到的图网络节点特征进行优化，获得最优转换矩阵如下：
55、
56、其中，wj+1为第j+1次迭代的模型参数矩阵，wj为第j次迭代的模型参数矩阵，w为模型的参数，γ为学习率，j为迭代次数。
57、优选地，所述将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，具体为：
58、获取图网络节点，计算图网络中节点i与邻居节点的注意力系数，加权聚合节点与邻居节点信息，取多头注意力下节点特征均值，循环迭代图注意力网络的风险薄弱环节辨识模型，当验证集损失函数不变时输出最优图注意力网络的风险薄弱环节辨识模型，当达到最大迭代次数时完成图注意力网络的风险薄弱环节辨识模型的训练。
59、一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于图注意力网络的新能源电网薄弱环节辨识方法的步骤。
60、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于图注意力网络的新能源电网薄弱环节辨识方法的步骤。
61、与现有技术相比，本发明具有以下有益效果：
62、本发明提出的一种基于图注意力网络的新能源电网薄弱环节辨识方法，大致可分为高比例新能源场景数据生成，构建图注意力网络的风险薄弱环节辨识模型和模型训练，以及电网日内运行风险薄弱环节在线辨识。具体的，本发明通过对新能源运行场景下所有线路进行分类，从而大大降低后续分析的复杂度。这种分类不仅考虑了新能源出力的影响，还综合了其他因素，使得分类结果能够较好地反映电网在不同场景下的运行状态，大大缩短前期数据处理的时间。构建图注意力网络的风险薄弱环节辨识模型，在训练完成后能够快速处理新的输入数据，并输出电网运行风险的薄弱线路。由于该模型具有并行计算和快速推理的能力，因此辨识过程可以实时进行，满足电网运行监控和决策的时效性要求。因此，本发明提出的方法能够解决现有技术存在的问题。
63、进一步地，薄弱线路辨识的拓扑重要度指标选择从网络结构角度出发，获取线路的边度数指标或边介数指标，以衡量其在整个电力网络中的重要性，潮流工况方面主要从运行状态考虑，如输电裕度、负载率能够体现线路运行情况，当输电裕度较小或负载率过高时，线路风险较大。
64、本发明提出的一种基于图注意力网络的新能源电网薄弱环节辨识系统，通过将系统划分为数据获取模块、模型构建模块和数据处理模块，最终输出电网运行风险薄弱线路，实现电网薄弱环节辨识。采用模块化思想使各个模块之间相互独立，方便对各模块进行统一管理。
1.一种基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，获取新能源运行场景下所有线路的分类结果，具体为：
3.根据权利要求1所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述构建图注意力网络的风险薄弱环节辨识模型，具体为：
4.根据权利要求3所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述图注意力网络输入特征，具体为：
5.根据权利要求3所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述损失函数，具体为：
6.根据权利要求3所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述softmax函数分类器，具体为：
7.根据权利要求3所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述反向传播优化，具体为：
8.根据权利要求1所述的基于图注意力网络的新能源电网薄弱环节辨识方法，其特征在于，所述将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，具体为：
9.一种基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，包括：
10.根据权利要求9所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，获取新能源运行场景下所有线路的分类结果，具体为：
11.根据权利要求9所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述构建图注意力网络的风险薄弱环节辨识模型，具体为：
12.根据权利要求11所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述图注意力网络输入特征，具体为：
13.根据权利要求11所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述损失函数，具体为：
14.根据权利要求11所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述softmax函数分类器，具体为：
15.根据权利要求11所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述反向传播优化，具体为：
16.根据权利要求9所述的基于图注意力网络的新能源电网薄弱环节辨识系统，其特征在于，所述将新能源运行场景下所有线路的分类结果输入至图注意力网络的风险薄弱环节辨识模型进行训练，具体为：
17.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～8任一项所述基于图注意力网络的新能源电网薄弱环节辨识方法的步骤。
18.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～8任一项所述基于图注意力网络的新能源电网薄弱环节辨识方法的步骤。
