基于生成对抗网络的配网单线图网络结构特征表示学习

分类： 信息科学与系统科学 >> 信息科学与系统科学基础学科 提交时间： 2018-06-19

张翔

摘要： 对于配电网的规划设计、运行检修、调度管理等业务，配网单线图是一种必不可少的常用工具。配网单线图在使用过程中对于布局规范性有严格要求，不同的配网网架结构配网单线图的成图布局各不相同，传统的自动成图算法无法适配网架结构的变化，自动根据网架类型生成对应布局的单线图。深度学习算法具备强大的耦合性，它能够自动总结内部成图规律，生成符合所需成图布局的配网单线图。为了将深度学习算法应用于配网单线图自动成图领域，需要考虑建立一个能够表示配网单线图网络结构特征的算法，该算法核心是能够适应深度学习算法需要，实现配网单线图网络特征的低维度表达。现有的网络特征表示学习方法研究多是针对于社交网络的特有属性进行特征表示。电力设备网络与社交网络相比，设备间的连接关系受电气物理特性限制，并没有针对电力网络的特有属性进行学习。因此，本文在已有的网络特征表示学习研究的基础上，提出了一个针对配网单线图的网络特征结构表示学习算法，利用构成配电网基础的配电设备电气联接关系来建立数学模型，定义网络节点间一阶、二阶和零阶连接特性，然后通过生成对抗网络来实现低维度网络特征表示。论文结尾在实验中通过样本数据验证网络特征的一阶和二阶相似性，证明算法在实现的效率和准确性上，更贴近电力业务的特点。

同行评议状态:待评议

 点击量 26785  下载量 2964  评论