本發(fā)明涉及電力系統(tǒng)，具體為一種面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法。

背景技術(shù)：

1、在新型電力系統(tǒng)不斷更新的背景下，能源消費模式逐漸多樣化，用戶多元化特征明顯，用戶用電行為更加復(fù)雜，負荷預(yù)測技術(shù)需求也隨之發(fā)生改變。企業(yè)及用戶異常用電為首的非技術(shù)性損耗占據(jù)配電網(wǎng)總損耗的65％～70％，是電力公司運營管理中的痼疾。不同產(chǎn)業(yè)鏈間逐步呈現(xiàn)多因素化影響、用電量大幅波動等特點，電力電量難以平衡，呈現(xiàn)冬夏高峰季節(jié)和日高峰時段的供需平衡持續(xù)緊張的特點，導(dǎo)致電網(wǎng)運行和經(jīng)營面臨嚴峻挑戰(zhàn)。因此對用電量特征異常提取提出更高的要求。目前通常使用三類方法用于基于數(shù)據(jù)驅(qū)動的異常用電檢測：

2、首先是基于聚類的方法，異常用電用戶的某些用電特征指標(biāo)相較正常用戶存在差異，可通過聚類方法找出偏離聚類簇的異常用戶。但在復(fù)雜的用電行為中找出具有代表性的特征較為困難，這使得該類方法誤報率高。

3、其次是基于分類的方法。主要以帶有標(biāo)簽的特征指標(biāo)訓(xùn)練分類器，使其能夠判斷無標(biāo)簽用戶的用電情況，檢測效果在多數(shù)情況下優(yōu)于聚類方法。然而人為設(shè)計特征指標(biāo)，難以很好地描述異常用電的情況。另外，分類器的訓(xùn)練以用電量穩(wěn)定為前提，對于相當(dāng)一部分用電不穩(wěn)定的用戶將失去異常檢測的作用。

4、最后是基于潮流約束的方法。配電網(wǎng)電氣量具有強耦合性，節(jié)點的注入功率與電壓受潮流方程約束。其中，最主要的一類方法是基于狀態(tài)估計的異常檢測方法，通過比較節(jié)點電壓、功率估計值與量測值的殘差推斷量測值是否被篡改，判斷用戶是否發(fā)生異常用電。該類方法較好地解決了分類方法處理用電不穩(wěn)定用戶時高誤報的問題，但是其過于依賴網(wǎng)絡(luò)的拓撲和線路參數(shù)精度，在實際一般的配電網(wǎng)，尤其是直面部分企業(yè)在歇業(yè)情況下的用電量很難滿足辨識要求。

5、總的來說，目前常見的異常用電特征檢測技術(shù)使用的數(shù)據(jù)基本為時間-用電量數(shù)據(jù)，這些數(shù)據(jù)可以反映出用電量整體的變化趨勢，而隨著全國用電結(jié)構(gòu)的變化，各省級電網(wǎng)用電特征也發(fā)生了很大變化，單純依賴用電量整體的變化趨勢無法充分反映某個地區(qū)用電量結(jié)構(gòu)與變化趨勢，電異常情況檢測精度無法滿足電網(wǎng)運行需求。

技術(shù)實現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問題是：圖神經(jīng)網(wǎng)絡(luò)(graph?neural?networks,gnn)是一種新興的機器學(xué)習(xí)方法，以圖結(jié)構(gòu)作為基本思想，由節(jié)點與邊組成，可以充分體現(xiàn)各節(jié)點之間的關(guān)系，可以有效地處理圖結(jié)構(gòu)數(shù)據(jù)。

3、本方法主要原理是利用圖神經(jīng)網(wǎng)絡(luò)技術(shù)從用電量數(shù)據(jù)中提取關(guān)鍵異常特征，將單個企業(yè)作為圖中的節(jié)點，以時間-用電量、日期、氣溫、天氣等數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，通過長短時記憶網(wǎng)絡(luò)(lstm)提取特征，作為圖中的節(jié)點數(shù)據(jù)；將企業(yè)與企業(yè)之間的關(guān)聯(lián)強度作為圖中的邊數(shù)據(jù)，通過圖神經(jīng)網(wǎng)絡(luò)對用電異常進行檢測。

4、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，包括：

5、收集來自不同企業(yè)的用電數(shù)據(jù)進行預(yù)處理；

6、將每個節(jié)點的特征表示為一個向量，對用電數(shù)據(jù)建立長短期記憶神經(jīng)網(wǎng)絡(luò)進行特征提取，抽取為固定長度的特征向量；

7、將節(jié)點嵌入構(gòu)成的向量轉(zhuǎn)為圖結(jié)構(gòu)，并將整個圖重新表示為一個新的向量；

8、采用圖卷積網(wǎng)絡(luò)對圖結(jié)構(gòu)進行特征提取和融合，通過多層卷積操作，學(xué)習(xí)到傳感器之間的局部模式和全局模式，并融合成一個特征表示；

9、在卷積操作之間加入池化層、歸一化層模塊；

10、使用已知的數(shù)據(jù)對圖神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；

11、訓(xùn)練完成后，使用訓(xùn)練好的圖神經(jīng)網(wǎng)絡(luò)進行輸出預(yù)測，輸入用電數(shù)據(jù)，通過網(wǎng)絡(luò)前向傳播，得到異常檢測結(jié)果，判斷用電異?；蛘Ｓ秒?。

12、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述預(yù)處理包括將單個企業(yè)用電量-時間序列，氣溫-時間序列信息對齊，將時間信息統(tǒng)一到utc時間系統(tǒng)下，并對數(shù)據(jù)進行歸一化處理，歸一化步驟選用z-score歸一化，將歸一化后的數(shù)據(jù)存儲成pickle格式。

13、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述歸一化表示為，

14、x*＝(x-μx)/σx

15、y*＝(y-μy)/σy

16、其中，x*,y*分別表示歸一化后的氣溫與企業(yè)用電量數(shù)據(jù)，x，y為原始氣溫與企業(yè)用電量，μx，μy表示原始氣溫均值與企業(yè)用電量均值，σx，σy原始氣溫標(biāo)準(zhǔn)差與企業(yè)用電量標(biāo)準(zhǔn)差。

17、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述抽取為固定長度的特征向量表示為，

18、

19、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：lstm由lstm單元組成，輸入門選擇性“記憶”輸入信號xt，并保存到單元狀態(tài)ct；遺忘門對上一個節(jié)點傳進來的單元狀態(tài)ct-1進行過濾，決定遺忘多少信息；輸出門控制單元狀態(tài)ct有多少輸出到lstm的輸出值ht。

20、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述門是一層全連接層，輸入是一個向量，輸出是一個0到1之間的實數(shù)向量，表示為，

21、

22、其中，wc，wi，wf與wo分別表示單元狀態(tài)、輸入門、遺忘門與輸出門的權(quán)重矩陣，表示把兩個向量連接成一個更長的向量，b代表每一項對應(yīng)的偏置，代表sigmoid函數(shù)。

23、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述節(jié)點嵌入使用改進的slstm模型，對計算過程進行改進，在lstm基礎(chǔ)上增加了標(biāo)量更新機制；

24、通過對內(nèi)部記憶單元進行細粒度的控制，優(yōu)化門控機制。

25、作為本發(fā)明所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的一種優(yōu)選方案，其中：所述改進的slstm模型表示為，

26、ct＝ftc(t-1)+itzt

27、nt＝ftnt-1+it

28、

29、一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上所述面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的步驟。

30、一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的步驟。

31、本發(fā)明的有益效果：本發(fā)明提供的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法從產(chǎn)業(yè)鏈的用電思想，通過對單一企業(yè)時間-天氣-氣溫-用電量信息特征提取，作為圖中節(jié)點，企業(yè)與企業(yè)間關(guān)系作為圖中邊信息，利用圖神經(jīng)網(wǎng)絡(luò)，實現(xiàn)用電特征與地區(qū)企業(yè)、地點、時間、天氣的關(guān)聯(lián)，完成對用電量異常檢測。采用本技術(shù)方案，使用電異常的檢測準(zhǔn)確率相比于經(jīng)典的檢測算法提高了5％。

技術(shù)特征：

1.一種面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于，包括：

2.如權(quán)利要求1所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述預(yù)處理包括將單個企業(yè)用電量-時間序列，氣溫-時間序列信息對齊，將時間信息統(tǒng)一到utc時間系統(tǒng)下，并對數(shù)據(jù)進行歸一化處理，歸一化步驟選用z-score歸一化，將歸一化后的數(shù)據(jù)存儲成pickle格式。

3.如權(quán)利要求2所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述歸一化表示為，

4.如權(quán)利要求3所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述抽取為固定長度的特征向量表示為，

5.如權(quán)利要求4所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：lstm由lstm單元組成，輸入門選擇性“記憶”輸入信號xt，并保存到單元狀態(tài)ct；遺忘門對上一個節(jié)點傳進來的單元狀態(tài)ct-1進行過濾，決定遺忘多少信息；輸出門控制單元狀態(tài)ct有多少輸出到lstm的輸出值ht。

6.如權(quán)利要求5所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述門是一層全連接層，輸入是一個向量，輸出是一個0到1之間的實數(shù)向量，表示為，

7.如權(quán)利要求6所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述節(jié)點嵌入使用改進的slstm模型，對計算過程進行改進，在lstm基礎(chǔ)上增加了標(biāo)量更新機制；

8.如權(quán)利要求7所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，其特征在于：所述改進的slstm模型表示為，

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1～8中任一項所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～8中任一項所述的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法，涉及電力系統(tǒng)技術(shù)領(lǐng)域，包括：將來自不同企業(yè)的用電數(shù)據(jù)進行預(yù)處理，將每個節(jié)點的特征表示為一個向量，對用電數(shù)據(jù)建立長短期記憶神經(jīng)網(wǎng)絡(luò)進行特征提取，將節(jié)點嵌入構(gòu)成的向量轉(zhuǎn)為圖結(jié)構(gòu)，采用圖卷積網(wǎng)絡(luò)對圖結(jié)構(gòu)進行特征提取和融合。通過多層卷積操作，使用已知的數(shù)據(jù)對圖神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，使用訓(xùn)練好的圖神經(jīng)網(wǎng)絡(luò)進行輸出預(yù)測。本發(fā)明提供的面向產(chǎn)業(yè)鏈的圖神經(jīng)網(wǎng)絡(luò)用電異常提取方法通過對單一企業(yè)時間?天氣?氣溫?用電量信息特征提取，作為圖中節(jié)點，企業(yè)與企業(yè)間關(guān)系作為圖中邊信息，利用圖神經(jīng)網(wǎng)絡(luò)，實現(xiàn)用電特征與地區(qū)企業(yè)、地點、時間、天氣的關(guān)聯(lián)，完成對用電量異常檢測。

技術(shù)研發(fā)人員：楊曉華,娜嘉,祁艷雨,劉婉媛,李星達,梁俊琳,尹邵陽,權(quán)菊惠
受保護的技術(shù)使用者：云南電網(wǎng)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19