(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211185646.2 (22)申请日 2022.09.27 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学清华园北京 100084-82信箱 申请人 清华四川能源互联网研究院 (72)发明人 吕奇峰　陈颖　肖谭南　于智同　 宋炎侃　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 刘雯 (51)Int.Cl. G06F 30/20(2020.01) G06Q 50/06(2012.01) H02J 3/06(2006.01)G06F 113/04(2020.01) (54)发明名称 基于图注意力网络的配电网超分辨率量测 生成方法及系统 (57)摘要 本发明提供一种基于图注意力网络的配电 网超分辨率量测生成方法及系统， 包括： 获取配 电网的时空稀 疏量测数据， 基于所述时空稀 疏量 测数据建立超分辨率状态数学模 型； 基于超分辨 率状态数学模型进行训练生成图注意力超分辨 率模型； 对 所述图注意力超分辨率模 型进行潮流 约束， 生成最终超分辨率量测模型， 通过所述量 测模型完成配电网数据量测； 其中， 所述图注意 力超分辨率模型是通过将所述时空稀疏量测数 据作为输入特征向量输入至预设的图注意力网 络， 经过所述图注意力网络训练获取输出特征向 量生成的。 本发 明解决了 现有配电网量测量结果 精度低、 时空稀疏度高的问题。 权利要求书2页 说明书13页 附图7页 CN 115544752 A 2022.12.30 CN 115544752 A 1.一种基于图注意力网络的配电网超分辨 率量测生成方法， 其特 征在于， 包括： 获取配电网的时空稀疏量测数据， 基于所述 时空稀疏量测数据建立超分辨率状态数学 模型； 基于超分辨 率状态数 学模型进行训练生成图注意力超分辨 率模型； 对所述图注意力超分辨率模型进行潮流约束， 生成最终超分辨率量测模型， 通过所述 量测模型完成配电网数据量测； 其中， 所述图注意力超分辨率模型是通过将所述 时空稀疏量测数据作为输入特征向量 输入至预设的图注意力网络， 经 过所述图注意力网络训练获取输出 特征向量生成的。 2.根据权利要求1所述的基于图注意力网络的配电网超分辨率量测生成方法， 其特征 在于， 所述获取配电网的时空稀疏量测数据， 基于所述时空稀疏量测数据建立超分辨率状 态数学模型， 具体包括： 将所述时空稀疏量测数据的量测矩阵中空缺数据全部补充为高精度的状态量； 求解与所述量测矩阵中的量测向量加权欧拉距离最近的理论值向量所对应的电压和 相角， 建立超分辨 率状态数 学模型。 3.根据权利要求1所述的基于图注意力网络的配电网超分辨率量测生成方法， 其特征 在于， 所述基于超分辨 率状态数 学模型进行训练生成图注意力超分辨 率模型， 具体包括： 将时空稀疏量测数据作为输入特 征向量输入至预设的图注意力网络； 所述图注意力网络对邻居节点进行聚合， 计算注意力系数矩阵； 按照注意力系数矩阵分配的权 重大小完成信息聚合得到 输出特征向量； 通过输出 特征向量构建生成图注意力超分辨 率模型。 4.根据权利要求3所述的基于图注意力网络的配电网超分辨率量测生成方法， 其特征 在于， 所述图注意力网络对邻居节点进行聚合， 计算注意力系数矩阵， 具体包括： 所述图注意力网络将共享权重参数矩阵应用在每一个节点上， 实现共享的节点注意力 机制并计算节点之间相关度； 将所有与节点连接的相邻节点相 关度计算完成后， 通过预设的softMax函数进行归一 化处理， 得到注意力系数矩阵； 其中， 所述共享权重参数矩阵是通过将节点从输入特征维度变换到输出特征维度 过程 中得到的。 5.根据权利要求1所述的基于图注意力网络的配电网超分辨率量测生成方法， 其特征 在于， 对所述图注 意力超分辨率模型进 行潮流约束， 生成最 终超分辨率量测模型， 通过所述 量测模型完成配电网数据量测， 具体包括： 对所述图注意力超分辨 率模型加入功率约束得到超分辨 率网络的潮流残差； 将所述超分辨率网络的潮流残差的绝对平均值作为潮流损失函数加入到网络训练过 程中， 与输出和均值的均方误差共同构成图注意力网络的损失函数； 通过所述图注意力网络的损失函数进行潮流约束， 生成最终超分辨 率量测模型。 6.根据权利要求5所述的基于图注意力网络的配电网超分辨率量测生成方法， 其特征 在于， 对所述图注意力超分辨 率模型进行潮流约束， 生成最终超分辨 率量测模型， 还 包括： 将时空稀疏量测数据构成原拓扑， 随着拓扑规则的扩大， 重构拓扑 数量也快速增长； 将原拓扑与重构拓扑组成拓扑集 合；权　利　要　求　书 1/2 页 2 CN 115544752 A 2所述拓扑集合中每条有联络开关的线路在训练过程中使最终超分辨率量测模型学习 线路所连接的节点之间的状态相关性。 7.一种基于 图注意力网络的配电网超分辨率量测生成系统， 其特征在于， 所述系统包 括： 建模模块， 用于获取配电网的时空稀疏量测数据， 基于所述时空稀疏量测数据建立超 分辨率状态数 学模型； 训练模块， 用于基于超分辨 率状态数 学模型进行训练生成图注意力超分辨 率模型； 模型输出模块， 用于对所述图注意力超分辨率模型进行潮流约束， 生成最终超分辨率 量测模型， 通过 所述量测模型完成配电网数据量测； 其中， 所述图注意力超分辨率模型是通过将所述 时空稀疏量测数据作为输入特征向量 输入至预设的图注意力网络， 经 过所述图注意力网络训练获取输出 特征向量生成的。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上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程序时实现如权利要求1至6任一项所 述基于图注意力网络的配电网超分辨 率量测生成方法。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 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至6任一项所述基于图注意力网络的配电网超分辨 率量测生成方法。 10.一种计算机程序产品， 包括计算机程序， 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至 6任一项所述基于图注意力网络的配电网超分辨 率量测生成方法。权　利　要　求　书 2/2 页 3 CN 115544752 A 3