结合噪声滤波与多任务策略的输电参数辨识方法

摘要

在输电系统的监控和管理中，传统的参数辨识方法仅聚焦于单一支路的数据，忽视了整体电网拓扑中相邻支路的信息，加之外部因素导致的数据丢失和噪声等数据污染的影响，参数辨识的准确性有待提高．为此，本文提出一种以GraphSAGE为主体的图神经网络模型的方法．首先，通过图神经网络学习电网拓扑信息，并通过邻居信息聚合生成支路的隐藏层特征；然后，结合不同现实场景提出一种多任务学习策略，在优化支路参数的同时完成了对多个支路参数的联合辨识；最后，结合噪声滤波模块，为支路特征引入抗噪声因子，使模型能实现对数据丢失和噪声的有效处理，提高了鲁棒性．实验结果表明，相比传统方法，在线路参数辨识的准确性和稳定性上，本文提出的以GraphSAGE模型为主体的方法最好．

关键词

输电线路 / 参数辨识 / 图学习 / 噪声滤波