Automatic Topology Wiring Method of Power Flow Diagram Based on Neural Network

Xialing XU; Guohui TIAN; Tao LIU; Wenjuan YU; Dajun XIAO; Shanpeng LIANG

doi:10.7500/AEPS20210519008

您当前的位置：

首页 >

文章列表页 >

Automatic Topology Wiring Method of Power Flow Diagram Based on Neural Network

Application Research | 更新时间：2025-06-16

- Automatic Topology Wiring Method of Power Flow Diagram Based on Neural Network
- Automation of Electric Power Systems Vol. 46, Issue 6, Pages: 102-108(2022)
- 作者机构：
  
  1.国家电网公司华中分部华中电力调控分中心，湖北省武汉市 430077
  2.南瑞集团有限公司（国网电力科学研究院有限公司），江苏省南京市 211106
  3.北京科东电力控制系统有限责任公司，北京市100192
- 作者简介：
- 基金信息：
- DOI：10.7500/AEPS20210519008
  CLC：
- Received：19 May 2021，
  
  Revised：2021-09-01，
  
  Published Online：16 February 2022，
  
  Published：25 March 2022
- 稿件说明：
移动端阅览
徐遐龄,田国辉,刘涛等.基于神经网络的电网潮流图自动拓扑布线方法[J].电力系统自动化,2022,46(6):102-108.

XU Xialing,TIAN Guohui,LIU Tao,et al.Automatic Topology Wiring Method of Power Flow Diagram Based on Neural Network[J].Automation of Electric Power Systems,2022,46(6):102-108.
徐遐龄,田国辉,刘涛等.基于神经网络的电网潮流图自动拓扑布线方法[J].电力系统自动化,2022,46(6):102-108. DOI： 10.7500/AEPS20210519008.

XU Xialing,TIAN Guohui,LIU Tao,et al.Automatic Topology Wiring Method of Power Flow Diagram Based on Neural Network[J].Automation of Electric Power Systems,2022,46(6):102-108. DOI： 10.7500/AEPS20210519008.

摘要

为了解决电网复杂拓扑条件下潮流图自动拓扑布线问题，提出了一种基于神经网络的电网潮流图自动拓扑布线方法。通过建立线路每步步长方向选择与生成线路质量的关联关系构建神经网络的输入层和输出层，进一步进行线路拓扑的自主学习来获取步长方向选择函数的最优解，然后利用训练好的步长方向选择函数进行拓扑路径检索，以解决潮流图自动布线过程中如何寻找最优拓扑连接的问题。基于某220 kV电网进行了算法仿真，结果验证了所提方法的有效性和可行性。与传统自动成图方式相比，所提方法不需要根据不同画面特征人为对拓扑连线的坐标计算算法进行适配，训练过程也无需依赖现有潮流图样本，可明显提升潮流图自动成图的灵活性和准确性。

Abstract

In order to solve the problem of automatic topology wiring of power flow diagram under complex topology of power grid

an automatic topology wiring method of power flow diagram based on neural network is proposed. By establishing the correlation between the step direction selection of each step of the line and the quality of the generated line

the input layer and output layer of the neural network are constructed

and the autonomous learning of the line topology is further carried out to obtain the optimal solution of the step direction selection function. Finally

the trained step direction selection function is used for topology path retrieval

To solve the problem of how to find the optimal topology connection in the process of automatic wiring of power flow diagram. The algorithm is simulated based on a 220 kV power grid

and the results show the effectiveness and feasibility of the proposed method. Compared with the traditional automatic mapping method

the proposed method does not need to manually adapt the coordinate calculation algorithm of topological connection according to different picture characteristics

and the training process does not need to rely on the existing power flow diagram samples

which can significantly improve the flexibility and accuracy of automatic mapping of power flow diagram.

关键词

Keywords

references

赵家庆，张亮，钱科军，等 . 基于CIM/G的电网潮流图自动生成关键技术研究及应用［J］. 电力自动化设备， 2015 ， 35 （ 9 ）： 156 - 162 .

ZHAO Jiaqing ， ZHANG Liang ， QIAN Kejun ， et al . Key technologies of automatic power flow chart generation based on CIM/G and its application ［J］. Electric Power Automation Equipment ， 2015 ， 35 （ 9 ）： 156 - 162 .

章坚民，叶琳，孙维真，等 . 基于地理相对位置的省级输电网均匀接线图自动生成［J］. 电力系统自动化， 2010 ， 34 （ 24 ）： 55 - 59 .

ZHANG Jianmin ， YE Lin ， SUN Weizhen ， et al . Automatic generation of the uniformly-distributed provincial transmission power grid diagram based on relative geographical location information ［J］. Automation of Electric Power Systems ， 2010 ， 34 （ 24 ）： 55 - 59 .

宋适宇，何光宇，徐彭亮，等 . 输电网单线图的自动生成算法［J］. 电力系统自动化， 2007 ， 31 （ 24 ）： 12 - 15 .

SONG Shiyu ， HE Guangyu ， XU Pengliang ， et al . Automatic generation of single-line diagrams for transmission networks ［J］. Automation of Electric Power Systems ， 2007 ， 31 （ 24 ）： 12 - 15 .

章坚民，张自聪，郭峰，等 . 调度大屏输电网潮流图自动生成：（二）自动布线［J］. 电力系统自动化， 2010 ， 34 （ 1 ）： 36 - 40 .

ZHANG Jianmin ， ZHANG Zicong ， GUO Feng ， et al . Automatic generation of transmission network single-line power flow diagram for dispatching large screen display： Part two automatic routing ［J］. Automation of Electric Power Systems ， 2010 ， 34 （ 1 ）： 36 - 40 .

沈自虎，吴淑玮，葛艺晓，等 . 输电网接线图增量自动成图算法［J］. 计算机系统应用， 2020 ， 29 （ 5 ）： 128 - 135 .

SHEN Zihu ， WU Shuwei ， GE Yixiao ， et al . Automatic drawing algorithm for incremental transmission grid wiring diagram ［J］. Computer Systems & Applications ， 2020 ， 29 （ 5 ）： 128 - 135 .

何雄坤，周宏志，聂辉，等 . 大数据技术在配网单线图自动成图的应用研究［J］. 电力大数据， 2020 ， 23 （ 5 ）： 54 - 63 .

HE Xiongkun ， ZHOU Hongzhi ， NIE Hui ， et al . Research on the application of big data technology in automatic graphing of single-line diagram of distribution network ［J］. Power Systems and Big Data ， 2020 ， 23 （ 5 ）： 54 - 63 .

章坚民，夏燕，倪琳娜，等 . 面向不对称察觉的低压配电网分相接线图自动成图［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 143 - 149 .

ZHANG Jianmin ， XIA Yan ， NI Linna ， et al . Auto-generation of phase-separated connection diagram for asymmetry perceptible low-voltage distribution network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 143 - 149 .

周昊程，孟进，朱红明 . 基于GIS坐标布局的配电单线图自动成图技术［J］. 电力系统自动化， 2017 ， 41 （ 22 ）： 145 - 150 .

ZHOU Haocheng ， MENG Jin ， ZHU Hongming . Automatic generation technology of single line diagram for distribution networks based on GIS coordinates ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 22 ）： 145 - 150 .

李学平，宋国彬，卢志刚 . 基于改进引力-斥力算法的配电网馈线单线图分块布局［J］. 电力系统自动化， 2017 ， 41 （ 23 ）： 117 - 122 .

LI Xueping ， SONG Guobin ， LU Zhigang . Partitioned automatic layout of single-line diagrams for distribution network feeders based on improved repulsion-tension algorithm ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 23 ）： 117 - 122 .

苏运光，罗俊，熊浩，等 . 基于存量图形拓扑分析的厂站接线图自动生成［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 162 - 166 .

SU Yunguang ， LUO Jun ， XIONG Hao ， et al . Automatic generation of substation wiring graph based on inventory graph topology analysis ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 162 - 166 .

方再根 . 计算机模拟和蒙特卡洛方法［M］. 北京：北京工业学院出版社， 1988 .

FANG Zaigen . Computer simulation and Monte Carlo method ［M］. Beijing ： Beijing Institute of Technology Press ， 1988 .

BRUNA J ， ZAREMBA W ， SZLAM A ， et al . Spectral networks and deep locally connected networks on graphs ［EB/OL］. ［ 2021-01-01 ］. https：//arxiv.org/abs/1312.6203 https://arxiv.org/abs/1312.6203 .

胡侯立，魏维，胡蒙娜 . 深度学习算法的原理及应用［J］. 信息技术， 2015 ， 39 （ 2 ）： 175 - 177 .

HU Houli ， WEI Wei ， HU Mengna . Principles and practices of deep learning ［J］. Information Technology ， 2015 ， 39 （ 2 ）： 175 - 177 .

刘荣 . 人工神经网络基本原理概述［J］. 计算机产品与流通， 2020 （ 6 ）： 35 ， 81 .

LIU Rong . Overview of basic principles of artificial neural network ［J］. Computer Products and Circulation ， 2020 （ 6 ）： 35 ， 81 .

GULCEHRE C ， MOCZULSKI M ， DENIL M ， et al . Noisy activation functions ［C］// The 33rd International Conference on Machine Learning ， June 19-24 ， 2016 ， New York， USA ： 3059 - 3068 .

刘宇晴，王天昊，徐旭 . 深度学习神经网络的新型自适应激活函数［J］. 吉林大学学报（理学版）， 2019 ， 57 （ 4 ）： 857 - 859 .

LIU Yuqing ， WANG Tianhao ， XU Xu . New adaptive activation function for deep learning neural networks ［J］. Journal of Jilin University （Science Edition）， 2019 ， 57 （ 4 ）： 857 - 859 .

孙洲鑫，王文松 . 深度学习中激活函数权重初始值的选取［J］. 信息技术与信息化， 2020 （ 9 ）： 100 - 102 .

SUN Zhouxin ， WANG Wensong . Selection of initial weight value of activation function in deep learning ［J］. Information Technology and Information Technology ， 2020 （ 9 ）： 100 - 102 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Transient Model and Real-time Simulation Method for Power Electronic Switches Based on Connectionist Neural Networks

Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates

基于单机模型扩展的直驱风电场通用等值模型构建方法

Short-term Interval Probability Prediction of Photovoltaic Power Based on Weather Similarity Clustering and Quantile Regression Neural Network

Self-adaptive Control Method for Electric Heating Equipment Based on Shared Media Contention Access Mechanism

Related Author

WENG Haowen

WANG Can

PAN Xuewei

QI Hang

LI Changgang

LIU Yutian

YAN Jiongcheng

LI Dongsheng

Related Institution

School of Robotics and Advanced Manufacturing, Harbin Institute of Technology

Key Laboratory of Power System Intelligent Dispatch and Control, Ministry of Education (Shandong University)

School of Electrical Engineering, Shanghai University of Electric Power

State Grid Beijing Electric Power Company

⁰