本發明提供的技術方案涉及大電網穩定與控制領域，具體講涉及一種電力系統電氣距離可視化方法和裝置。
背景技術：
：隨著經濟水平的飛速提升，對電力的需求量也日益增加，為了適應經濟的發展，隨之建成了西電東送、全國聯網以及特高壓輸電等重大工程，交直流混聯的特大電網。隨著電網規模的擴大，電網安全穩定性提出了更高的要求。世界上曾發生的多次電網故障表明輸電電壓等級的提高、聯網規模的擴大以及傳輸容量的增加，電網故障所帶來的危害性也越大，電網故障的原因和過程也更為復雜。作為決定電網穩定特征的重要參數之一的電氣距離，伴隨著電網規模的擴大和運行方式的增多，情況更加多樣化，也決定著確保電網穩定運行采取的措施更加復雜；電氣距離的在線監測及其可視化，也成為電力系統在線分析與預警的重要組成部分之一。現有的電力系統可視化方法大多以地理圖或單線圖表現設備間的連接關系，主要用于電網運行狀態監測，但無法直接表現電網的穩定特性。因此需要提供一種能對運行電網進行的在線監視、分析和控制，保障電力生產、傳輸和使用安全的一種技術方案。技術實現要素：為滿足現有技術發展的需要，本發明提供一種新型的電力系統電氣距離可視化方法。本發明提供的電力系統電氣距離可視化方法，其改進之處在于，所述方法包括根據預先采集的電力系統的電網拓撲和運行參數用節點導納矩陣求逆的方法計算節點自阻抗矩陣；根據自阻抗矩陣，用t-sne算法將高維空間數據映射到低維空間計算電氣距離；根據低維空間計算得到的節點坐標，繪制電力系統電氣距離相關圖形。進一步的，所述自阻抗矩陣的計算包括：(1)用遍歷電網內部的支路形成節點導納矩陣y，并對y矩陣求逆運算，得到節點阻抗矩陣z；(2)計算節點i和節點j組成的節點對的自阻抗：zij,ij＝zii+zjj-2*zij，并計算節點對自阻抗復數的幅值，保存上三角矩陣的數值。進一步的，所述電氣距離的計算包括：根據自阻抗矩陣，將高維空間數據映射到低維空間，以電氣距離空間和低維空間內條件概率的kl距離最小化為目標，以低維空間內每個節點的坐標為參數進行迭代優化計算，并輸出低維空間的節點坐標，計算低維空間的電氣距離。進一步的，用下式表示高維數據集x中點xj出現在點xi附近的條件概率pj|i：其中，σi為點xj與點xi的方差；用下式表示高維數據集x中點xi出現在點xj附近的條件概率pi|j：t-sne算法中高位空間的條件概率如下式所示：其中，n為原始數據點的總數；低維空間的數據集y中的條件概率如下式所示：進一步的，所述kl距離用下式所示的代價函數c表示：其中，kl(pi||qi)：節點i在高維空間和低維空間分別形成的條件概率pi和qi的kl距離。進一步的，代價函數c的計算包括：(1)隨機初始化yi的值，將yi隨機設為[0,1]×[0,1]范圍內的坐標；(2)按下式計算代價函數c關于低維數據集點坐標yi的偏導數：(3)按下式更新坐標yi的值：式中，η：步長或者學習率，為正數。進一步的，判斷代價函數c是否足夠小或迭代次數是否到達上限：若代價函數c足夠小或迭代次數到達上限，則根據低維坐標yi進行繪圖；否則，重新計算代價函數c與低維坐標yi的梯度，并根據梯度更新低維坐標。進一步的，所述電力系統電器距離相關圖形的繪制包括：根據低維空間中計算出的節點坐標，在二維或三維空間進行選擇性繪圖。一種電力系統電器距離可視化裝置，所述裝置包括:矩陣創建單元，用于根據采集的電網拓撲和運行參數計算自阻抗矩陣；降維單元，基于自阻抗矩陣用t-sne算法降維運算電氣距離；繪圖單元，用于根據降維結果繪制電氣距離圖。進一步的，所述矩陣創建單元包括：采集子單元，用于遍歷電網內支路，采集電網拓撲和運行參數；所述降維單元，根據電氣距離空間和低維空間內條件概率的kl距離，通過確定低維空間內各點的坐標yi使得代價函數c最小，完成電氣距離由高維空間到低維空間的降維運算。與最接近的現有技術比，本發明提供的技術方案具有以下優異效果：1、本發明提供的技術方案從電力系統電氣距離的角度出發，以t-sne算法實現降維運算，把設備之間高維、復雜的電氣距離關系映射到低維度的二維或三維空間，根據低維空間內的節點坐標繪制圖形，根據繪制的圖形可以展示高維度空間中不同設備間關系，為技術人員提供參考和技術支撐，給運行技術人員以高維度空間電力系統設備間關系的直觀的印象。2、本發明提供的技術方案的結論可進一步應用于同調機群分析、靈敏度分析、薄弱環節辨識等電網穩定的分析方法中。附圖說明圖1為本發明提供的可視化方法流程圖；圖2為原始ieee-118系統可視化結果；圖3為實施例中斷開23-24支路后ieee-118系統可視化結果；圖4為實施例中某日兩華電網可視化結果。具體實施方式以下將結合說明書附圖，以具體實施例的方式詳細介紹本發明提供的技術方案。電氣距離是指電力系統中任意兩個節點之間的聯系阻抗，阻抗值小代表這兩點間的聯系緊密，相互影響作用明顯。電氣距離與地理距離之間沒有必然的聯系，它主要取決于電壓等級、兩點之間直接或間接連接的支路數量以及支路阻抗大小等因素。本發明中求解電力系統電氣距離的求解方法為節點導納矩陣y求逆方法，主要包括：1.遍歷電網內全部支路(包括交流線和變壓器)，形成節點導納矩陣y；2.對y矩陣進行求逆，得到節點阻抗矩陣z；3.任意節點對i和j的自阻抗：zij,ij＝zii+zjj-2*zij；4.求取每個節點對自阻抗復數的幅值，由于節點對自阻抗矩陣為對稱矩陣，且對角線數值為0，因此只需保存上三角矩陣的數值即可。高維的數據集不便于直接觀察以發現其隱藏的特性，sne(stochasticneighborembedding)算法采用非線性降維的方法將高維的數據映射到三維或者二維空間，這樣就能在立體圖或者平面圖中比較直觀地展示數據的分布情況。sne算法的設計原則是在映射的過程中保持數據點之間的距離關系，即在原始高維空間中距離較近(或較遠)的點映射到低維空間后對應點的距離也較近(或較遠)。距離遠近反應的是數據點之間的相似程度。歐式距離是表示距離的一種常用方法，設xi,xj為原始高維空間中的任意兩點，yi,yj為其映射到低維空間中的點，||xi-xj||2和||yi-yj||2分別表示其歐式距離。sne算法在歐式距離的基礎上提出了一種條件概率來表示數據點的遠近程度。在高維數據集x中該條件概率定義為：pj|i表示點xj出現在點xi附近的條件概率，它采用高斯分布的形式，σi為其對應的方差。xj與xi相隔越近，pj|i越大，說明它們之間的相似度越高。設定pi|i＝0。在低維數據集y中也用類似的條件概率表示數據點的遠近程度，其定義如下：qj|i表示點yj出現在點yi附近的條件概率，其高斯分布的方差設定為設定qi|i＝0。這樣對于任意的i，在高維空間和低維空間中分別形成一個條件概率分布pi和qi。為了保持映射前后數據點之間的距離關系，pi和qi應盡量保持一致。kl(kullback-leibler)距離是衡量兩個概率分布一致性的常用方法。對于所有的i，pi和qi之間的kl距離為：c即為sne算法的代價函數，其值越小，分布越一致。可以通過梯度下降算法來求解yi使得其值最小。yi可以是二維或者三維坐標，求解出來后即可在用平面圖或者立體圖中標示出來。t-sne是sne的改進算法，主要解決了sne算法中的兩個問題：不對稱問題和擁擠問題。不對稱問題：sne算法定義的條件概率是不對稱的，即pj|i≠pi|j，qj|i≠qi|j，按照常理，兩點之間的距離或者相似度應該是唯一的，所以它們應該相等。為此，t-sne算法在上面的基礎之上重新定義了pj|i和qj|i，并記為pij和qij：式(4)中n為原始數據點的總數，這樣定義的pij和qij均滿足對稱性。擁擠問題：數據降維可視化的理想效果是把相似或者相近的點聚在一簇，不同類別的簇盡量分隔開。sne算法中高維空間和低維空間的條件概率均采用高斯分布，假設求解后分布大概一致，由于空間維度的減小，低維空間中不同類別的簇勢必也會挨著很近，造成擁擠。為了解決該問題，t-sne算法將式(5)中低維空間中的條件概率分布繼續進行改進，最終變換成如下的t-分布：t-分布與高斯分布相比，中心部位偏低，尾部偏高偏長。為了滿足pij＝qij，在高維空間中相近的點映射到低維空間中后點的距離更近，高維空間中隔得較遠的點映射到低維空間中點的距離更遠。這樣就使得同一類的點聚得更緊，不同類的點分隔得越開。本發明提供的技術方案的主要步驟包括：(1)求取自阻抗矩陣；(2)采用t-sne算法進行降維；(3)根據降維后坐標進行繪圖。具體包括：a)求取自阻抗矩陣基于電網拓撲和運行參數，形成導納矩陣y；求逆得到阻抗矩陣z；根據公式zij,ij＝zii+zjj-2*zij形成節點對的自阻抗矩陣。該矩陣即可反映任意兩節點間的電氣距離。b)t-sne算法進行降維以電氣距離空間和低維空間內條件概率的kl距離(式3-6)的最小化為目標，以低維空間內每個節點的坐標為參數，進行迭代優化計算。當kl距離足夠小或迭代次數到達上限時，迭代計算結束，輸出低維空間的節點坐標。kl(kullback-leibler)距離是衡量兩個概率分布一致性的常用方法。對于所有的i，pi和qi之間的kl距離為：sne算法定義的條件概率是不對稱的，即pj|i≠pi|j，qj|i≠qi|j，按照常理，兩點之間的距離或者相似度應該是唯一的，所以它們應該相等。為此，t-sne算法在上面的基礎之上重新定義了pj|i和qj|i，并記為pij和qij：式(4)中n為原始數據點的總數，這樣定義的pij和qij均滿足對稱性。根據式(3)的電氣距離空間和低維空間內條件概率的kl距離，將高維空間和低維空間的條件概率代入kl距離公式，pij可通過上面的電氣距離直接求得，qij是低維空間各點坐標yi的函數，從而c也為yi的函數。算法的重點是確定yi使得c最小，具體過程如下：1)隨機初始化yi的值，比如本專利中的二維可視化，將yi隨機設為[0,1]×[0,1]范圍內的某個坐標；2)計算c關于yi的偏導數：3)更新yi的值：η稱為步長或者學習率，為正數，可根據c的收斂情況適當調整；重復上述迭代過程，直到c值大致收斂，上述算法即為梯度下降求最小值過程。求得的yi值為各電氣節點在低維(此處是二維)空間的坐標，其距離能大致反映出各節點間的電氣距離。c)根據降維結果進行繪圖；根據第2步的節點坐標，在二維或三維空間中進行繪圖，通過圖形可直觀地感受到各個節點間的遠近程度。本步驟可根據用戶需要進行選擇性繪制，例如可以只繪制電廠節點展示電廠間的緊密程度，或者只繪制某一區域或電壓等級的節點等。本發明提供了一種電力系統電器距離可視化裝置，所述裝置包括:矩陣創建單元，用于根據采集的電網拓撲和運行參數計算自阻抗矩陣；所述矩陣創建單元包括用于遍歷電網內支路、采集電網拓撲和運行參數的采集子單元；降維單元，基于自阻抗矩陣用t-sne算法降維運算電氣距離；根據電氣距離空間和低維空間內條件概率的kl距離，通過確定低維空間內各點的坐標yi使得代價函數c最小，完成電氣距離由高維空間到低維空間的降維運算。繪圖單元，用于根據降維結果繪制電氣距離圖。實施例采用ieee-118節點的標準測試系統，該系統含有118個節點，其中54個為發電機節點，此外還有191個交流線支路和9個變壓器支路。在全連接模式下，通過本發明算法可得到如圖1所示的可視化結果，進一步采用kmeans聚類分析，可得到7個聚類結果，如表1所示，可見聚類結果與可視化效果是一致的，也就是說本發明的可視化方法可以很好的反映各節點間的電氣距離和相互間的緊密程度。表1原始ieee-118系統的kmeans分類結果組號所含母線編號母線數量1.1-14,16,117162.15,17-33,113-115213.34-43104.44-64,66,67235.65,68-81,98,116,118186.82-97,101,102187.99,100,103-11212進一步把節點23和節點24之間的支路斷開，其余不變，經本發明算法分析可得到如圖2的可視化結果，對比圖1可見，支路23-24運行時，兩節點間電氣距離較近，斷開后則需要經過多條支路進行遠距離互聯，電氣距離較遠，兩圖的可視化結果很好地展示了這一變化。再次進行kmeans分類可見，節點23和24分別被歸入了不同的分組。表2斷開23-24支路后ieee-118系統的kmeans分類結果組號所含母線編號母線數量1.1-14,16,117162.15,17-23,25-33,113-115203.34-43104.44-64,66,67235.24,65,68-81,98,116,118196.82-97,101,102187.99,100,103-11212以國家電網公司某日在線計算數據為基礎，驗證本方法的有效性。當月華北-華中處于聯網運行狀態，因此在線數據中包含國調直調以及華北、華中所有220kv以上的電網設備(注：所用在線數據中不包含蒙東電網數據)。圖4展示了兩華電網中各發電廠之間電氣距離的可視化結果，圖中從上到下、從左到右分別對應：四川+重慶、冀北+河北+山西、江西、湖北、湖南、山東、河南。可見，省內電廠間的電氣距離通常小于省間，尤其是江西、湖北、湖南三個群較為緊密，而四川電網由于有不少的小水電廠比較分散，相互間聯系較為薄弱，因此占據了整個畫面的較大的面積。上述可視化結果與兩華電網特征相一致，驗證了本發明的有效性。以上實施例僅用以說明本發明的技術方案而非對其限制，盡管參照上述實施例對本發明進行了詳細的說明，所屬領域的普通技術人員依然可以對本發明的具體實施方式進行修改或者等同替換，這些未脫離本發明精神和范圍的任何修改或者等同替換，均在申請待批的本發明的權利要求保護范圍之內。當前第1頁12