买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网北京市电力公司;国家电网有限公司

摘要：本发明公开了一种谐波感知方法、系统、装置及存储介质，本发明谐波感知方法，首先获取电网拓扑数据；然后基于电网拓扑数据构建无向图，无向图中的顶点对应电网中的电气节点；将电气节点的节点特征作为输入，采用预训练好的图卷积神经网络模型进行识别，图卷积神经网络模型输出电气节点的谐波实时值和预测值。与目前常用的基于瞬时无功功率的检测方法相比，本发明提供的谐波感知方法突破了以往时域检测方法只能测出总谐波电流的局限性，可以单步计算出各次谐波分量，具有计算精度高、计量少、速度快等优点。

主权项：1.一种谐波感知方法，其特征在于，包括如下步骤：获取电网拓扑数据；基于所述电网拓扑数据构建无向图；其中，所述无向图中的顶点对应电网中的电气节点；采用预训练好的图卷积神经网络模型对所述无向图中电气节点的相电压u和具有各次谐波的电流信号序列it进行识别；所述图卷积神经网络模型输出电气节点的谐波实时值和预测值；基于所述电网拓扑数据构建无向图的方法如下：无向图中的顶点对应电网中的电气节点，电气节点包括的信息有相电压u和具有各次谐波的电流信号序列it；用无向图来描述被测电气节点、与被测电气节点具有电气连接的相关电气节点及支路的拓扑关系，形成邻接矩阵A，并构建拉普拉斯矩阵；构建拉普拉斯矩阵的方法如下：对于无向图G＝V,E，其拉普拉斯矩阵的定义为L＝D-A，其中L是Laplacian矩阵，D＝diagd是顶点的度矩阵，d＝rowSumA，对角线上元素依次为各个顶点的度；对于邻接矩阵A中的每一个元素Aij，如果节点i和j相邻，那么Aij＝1，否则Aij＝0；图卷积神经网络模型的获取方式如下：获取用于训练图卷积神经网络的训练数据和验证数据；基于所述训练数据和验证数据，通过多次迭代的方式训练图卷积神经网络；每次迭代的训练过程如下：训练图卷积神经网络的隐含层参数；针对各个节点，依据邻接矩阵A，将其节点特征与其邻居节点的节点特征进行聚合，形成新的聚合特征矩阵，作为下一层的节点特征；在聚集特征信息时将注意力权重分配给不同的邻居节点，方法如下： 其中：为当前节点特征，∑u∈Nv∪{v}·指所有邻居节点和自身节点，权重μu,v为第u节点与第v节点间的注意力权重系数，训练时需要学习每个节点的注意力权重系数,Wk为聚合权重，为上一层邻居节点特征；σ表示激活函数；基于所述图卷积神经网络包含的N个隐含层，确定节点的嵌入向量，对节点特征进行图卷积运算，经过激活函数后得到图信号矩阵，作为下一层的输入；确定所述图卷积神经网络中参数的训练梯度和注意力权重；基于训练梯度及注意力权重，更新图卷积神经网络中隐含层的参数；采用使用动量的随机梯度下降法训练全连接层和输出层参数。

全文数据：

权利要求：

百度查询： 国网北京市电力公司 国家电网有限公司 一种谐波感知方法、系统、装置及存储介质