基于模型压缩的电网状态快速推演方法与流程

本发明涉及电网状态推演，具体为基于模型压缩的电网状态快速推演方法。

背景技术：

1、社会的发展对电力的需求不断在增加，电网的规模也随之扩大，这对电网运行的安全性和稳定性提出了更高的要求，电网运行的安全稳定有赖于对各个输电线路的运行参数的实时监测，然而电网巨大的规模却导致难以为每一条线路线路都配备监测装置，因此需要利用主干输电线路的实时监测结果结合电网的拓扑结构信息对各支路的参数进行推演，图神经网络是一种用于处理图数据的机器学习模型，旨在捕获节点之间的复杂关系，其核心原理是利用节点的局部邻域信息来更新节点的表示，gnn通过迭代地聚合节点的邻居信息，逐步更新每个节点的表示，使得每个节点能够整合周围节点的特征信息，这种迭代的过程可以看作是信息在图上传播的过程，从而使得节点的表示逐渐收敛到全局的信息；

2、虽然gnn的优势在于能够有效地处理各种类型的图数据，包括社交网络、推荐系统和生物网络等，为这些领域提供了强大的建模工具，但是现有的电网推演模型参数较多且结构复杂，推理时间较长，因而难以实现对于电网数据的快速处理，同时复杂的模型仅支持部署在大型服务器上，难以实现有效的边缘处理计算。

技术实现思路

1、本发明的目的在于提供基于模型压缩的电网状态快速推演方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于模型压缩的电网状态快速推演方法，包括以下步骤：

3、s1、构建数据集：利用电力监测设备对输电线路的电流以及电压相关数据进行采集，确定输电线路的电流实部以及虚部和电压实部以及虚部后，将其存储至数据集中，数据库中存储的电网拓扑图传输至处理器中，利用图神经网络技术搭建出gnn模型，获取数据集中的完整数据后，取部分线路数据作为神经网络的输入，另一部分作为真值，将两者的差异反向传播至gnn中；

4、s2、搭建图卷积网络：从数据库中获取电网多个监测点连接关系以及监测点数据特征后，利用处理器将其通过矩阵的形式进行表示，使用输入输出处理算法根据相关矩阵确定参数，从而完成gcn的搭建；

5、s3、模型剪枝：选用cgp框架对gnn进行模型剪枝，为gnn的模型权重创建非可微的二进制掩码，根据剪枝策略算法更新掩码，将权重低于阈值的参数置零，从而完成模型权重的剪枝，根据剪枝策略算法使用一个可微的软掩码来动态地剪除图中的边，从而完成图结构的剪枝，并利用特征注意力掩码进行分析，从而完成输入层的节点特征剪枝；

6、s4、优化剪枝过程：在训练的每个阶段，利用剪枝率分析算法确定剪枝率后，使用再生处理算法将被剪除的连接重新建立关联，在gnn模型的训练过程中减少相关参数，使得模型重新生成；

7、s5、计算未知输电线路：将已知的四维矢量以及电网拓扑图输入至gnn中，经过模型分析以及计算后，得到未知输电线路对应的四维矢量。

8、优选的，所述步骤s1包括以下步骤：

9、s101、利用电力监测设备在不同时间点上对输电线路的电流以及电压相关数据进行采集后，通过处理器计算分析出不同时间点上输电线路的电流实部以及虚部和电压实部以及虚部后，将多个输电线路上的电流实部以及虚部和电压实部以及虚部组成的四维矢量存储至数据集中；

10、s102、将数据库中存储的电网拓扑图传输至处理器中，利用图神经网络技术搭建出gnn模型。

11、优选的，所述步骤s1还包括以下步骤：

12、s103、获取数据集中的完整数据后，取部分线路电流实部以及虚部和电压实部以及虚部相关数据的作为神经网络的输入，另一部分作为真值，将两者的差异反向传播至gnn中。

13、优选的，所述步骤s2具体为从数据库中获取电网多个监测点连接关系以及监测点数据特征后，利用处理器将电网多个监测点连接关系通过邻接矩阵的形式进行表示，同时将监测点数据特征通过矩阵的形式进行表示，选用gcn作为处理电网拓扑图的模型，利用输入输出处理算法根据相关矩阵确定参数，从而完成gcn的搭建，所述输入输出处理算法具体为：

14、

15、其中，hl表示gcn第l层的输出与输入的关系，表示邻接矩阵a加上单位矩阵i，表示的度矩阵，为对角矩阵，其第i个对角元素表示从第i个节点发出的边个数，x表示数据特征的矩阵，wl表示第l层的权重矩阵，σ(·)表示激活函数，l表示参数。

16、优选的，所述步骤s3具体包括以下步骤：

17、s301、选用cgp框架对gnn进行模型剪枝，为gnn的模型权重创建非可微的二进制掩码，其大小与模型权重相同，并将掩码的元素初始值都设置为1，根据剪枝策略算法更新掩码，将权重低于阈值的参数置零，从而完成模型权重的剪枝。

18、优选的，所述步骤s3具体还包括以下步骤：

19、s302、根据剪枝策略算法使用一个可微的软掩码来动态地剪除图中的边，每次优化器更新后更新该软掩码，以保留对模型性能贡献度高的边，从而完成图结构的剪枝；

20、s303、根据剪枝策略算法利用特征注意力掩码进行分析，完成输入层的节点特征剪枝，所述剪枝策略算法具体为：

21、

22、m′w＝zero(mw,idx)

23、w′＝m′wθw

24、其中，w表示模型权重，mw表示掩码，idx表示topk函数返回绝对值最大的前个元素的索引，zero函数将掩码mw中指定索引的元素置零，w′表示剪枝后的权重矩阵，pw表示模型权重的稀疏度量，θ表示元素级别的乘法。

25、优选的，所述步骤s4具体包括以下步骤：

26、s401、在训练的每个阶段，利用剪枝率分析算法确定剪枝率后，通过处理器根据预定的剪枝率来更新相关的掩码。

27、s402、利用再生处理算法对剪枝过程中的错误进行纠正，将被剪除的连接重新建立关联，在gnn模型的训练过程中减少相关参数，使得模型重新生成。

28、优选的，所述步骤s5中，所述已知的四维矢量是指已知输电线路上的电流实部虚部和电压实部虚部组成的四维矢量。

29、与现有技术相比，本发明的有益效果是：

30、1、本发明通过使用模型剪枝技术，对基于gnn的电网推演模型在不影响推理性能的同时进行轻量化处理，去除冗余和不必要的参数，从而构建适用于边缘计算模块部署的小型推理模型，进而节约模型推理的算力和功率损耗，从而方便模型在算力和内存空间有限的边缘计算设备上进行部署；

31、2、本发明通过剪枝率分析算法确定剪枝率，保证每次对模型进行剪枝的过程中均会对相关的掩码进行更新，使得剪枝策略算法在处理过程中能够更加准确，及时识别冗余以及不必要的参数，降低剪枝过程中出现的错误，同时对于错误的剪枝操作也会通过再生处理算法进行调整，使得重新生成的模型不仅具备高效的推理性能，而且还能够减少计算资源和内存损耗。

技术特征：

1.基于模型压缩的电网状态快速推演方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s1包括以下步骤：

3.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s1还包括以下步骤：

4.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s2具体为从数据库中获取电网多个监测点连接关系以及监测点数据特征后，利用处理器将电网多个监测点连接关系通过邻接矩阵的形式进行表示，同时将监测点数据特征通过矩阵的形式进行表示，选用gcn作为处理电网拓扑图的模型，利用输入输出处理算法根据相关矩阵确定参数，从而完成gcn的搭建。

5.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s3具体包括以下步骤：

6.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s3具体还包括以下步骤：

7.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s4具体包括以下步骤：

8.根据权利要求1所述的基于模型压缩的电网状态快速推演方法，其特征在于：所述步骤s5中，所述已知的四维矢量是指已知输电线路上的电流实部虚部和电压实部虚部组成的四维矢量。

技术总结
本发明公开了基于模型压缩的电网状态快速推演方法，涉及电网状态推演技术领域，包括以下步骤：S1、构建数据集、S2、搭建图卷积网络、S3、模型剪枝、S4、优化剪枝过程和S5、计算未知输电线路。本发明通过剪枝率分析算法确定剪枝率，保证每次对模型进行剪枝的过程中均会对相关的掩码进行更新，使得剪枝策略算法在处理过程中能够更加准确，及时识别冗余以及不必要的参数，降低剪枝过程中出现的错误，同时对于错误的剪枝操作也会通过再生处理算法进行调整，使得重新生成的模型不仅具备高效的推理性能，而且还能够减少计算资源和内存损耗。

技术研发人员：汪庆文,余腾龙,褚红亮,熊小舟,黄康,邱日轩,胡兵,严浩然,王璠,柏杨,王松,齐俊,刘思言,石丹妮
受保护的技术使用者：国网江西省电力有限公司信息通信分公司
技术研发日：
技术公布日：2024/9/29