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：国网江西省电力有限公司信息通信分公司;国网智能电网研究院有限公司

摘要：本发明公开了基于参数自动寻优的配网状态加速推演方法，涉及电网运行状态技术领域，包括以下步骤：S1、准备训练数据集；S2、搭建图神经网络；S3、确定超参取值范围；S4、超参寻优；S5、训练神经网络。本发明通过粒子群算法PSO进行模型超参数的寻优，实现了在神经网络模型训练过程中，根据模型的训练效果对模型超参数进行动态调节，超参数设置合适可以缩短神经网络的训练进程，提升训练效果，从而使得训练的模型能够更好地根据电网监测设备输出推理电网运行状态，提高网络电网推演的能力，Adam优化器建立从损失函数与网络参数之间的映射，从而使得神经网络的输出逐步趋于预期。

主权项：1.基于参数自动寻优的配网状态加速推演方法，其特征在于，所述方法包括以下步骤：S1、准备训练数据集：采集多个时间点全线路的已知输电线路上的电流实部虚部和电压实部虚部组成的四维矢量s0以及电网拓扑图作为电网推演的数据集的输入；S2、搭建图神经网络：将图卷积网络GCN作为处理电网拓扑图的模型，通过关联电网多个监测点连接关系和监测点数据特征进行多层搭建最终形成神经网络，并利用图神经网络GNN进行训练，从而将未知输电线路上对应的四维矢量sx作为真值输出；S3、确定超参取值范围：基于粒子群算法PSO进行模型超参数的寻优需要确定每个超参数的可能取值范围，选择合适的评估指标来衡量模型的性能，并根据实际情况选择搜索方法，为后续寻找最优解提供基础；S4、超参寻优：在确定了搜索方法之后，开始评估候选模型，这通常涉及在不同的超参数组合上的训练模型，并使用验证集和交叉验证来评估它们的性能，根据评估结果，根据局部最优值和全局最优值更新调整超参数的范围，且需要多次迭代来逐步缩小超参数的搜索空间，直到找到最佳的超参数组合，使用测试集对最终选定的模型进行验证，以评估其在新数据上的泛化能力；S5、训练神经网络：对固定的超参数使用传统的反向传播算法训练神经网络，神经网络反向传播基于Adam算法实现，即将和sx的差异反向传播至GNN中实现模型的训练，在训练过程中，Adam优化器建立从网络输出与预期结果的差异，即损失函数与网络参数之间的映射，从而使得神经网络的输出逐步趋于预期。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司信息通信分公司 国网智能电网研究院有限公司 基于参数自动寻优的配网状态加速推演方法