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！

龙图腾网获悉河海大学申请的专利一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119598655B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411660902.8，技术领域涉及：G06F30/18；该发明授权一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法是由黄蔓云;李杰;孙国强;卫志农;胡婉憬;臧海祥;陈胜;程礼临设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法在说明书摘要公布了：本发明公开了一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法，该方法首先利用历史量测数据训练神经网络建立配电网拓扑辨识模型，然后将得到的拓扑信息与对应的电网量测数据接结合构建图数据集，将得到的图数据集作为训练集训练消息传递神经网络，得到配电网状态估计模型；最后，将实时量测数据输入到拓扑辨识模型的状态估计模型得到该断面下的实时状态估计结果。本发明可以在有限量测数据下对配电网拓扑进行精确辨识并，并为配电系统提供准确的状态估计，为后续安全评估和优化运行提供技术支撑。

本发明授权一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法在权利要求书中公布了：1.一种基于消息传递神经网络和在线深度学习的配电网拓扑识别与状态估计方法，其特征在于，包括以下步骤： 步骤1、建立配电网拓扑辨识模型，利用配电网中的智能电表或SCADA系统实时采集配电网的电压幅值、潮流数据；将实时采集到的测量数据输入到在线神经网络模型中，模型通过历史数据训练后，根据输入的电压和功率数据识别当前拓扑结构；在神经网络中引入对冲反向传播机制，通过加权汇总每一层的输出结果，动态调整网络深度，确保在面对不同拓扑变化时收敛，并识别出准确的拓扑结构； 步骤2、构建图数据集，将配电网中的节点表示为图中的节点，配电网中的线路表示为图中的边；利用节点电压幅值、功率注入特征和线路功率作为边特征和步骤1中拓扑辨识模型得到的拓扑信息构建图数据集，并进行数据归一化处理，该数据集将作为消息传递神经网络的训练数据； 步骤3、建立消息传递神经网络配电网状态估计模型，使用构建的图数据集进行消息传递神经的网络离线训练，训练过程中将基于消息传递图神经网络模型输出的系统节点电压幅值和支路相角差的状态估计值与真实值进行对比，并计算损失函数，通过反向传播算法更新基于消息传递图神经网络模型的权重和参数，并通过多次迭代得到适应于不同拓扑下的基于消息传递图神经网络模型； 步骤4、利用消息传递神经网络配电网状态估计模型进行估计，包括：根据获取的经归一化处理后的当前断面量测信息和配电网拓扑信息构建当前断面的图数据，并将当前断面的图数据输入步骤3离线训练完成的基于消息传递图神经网络模型，得到当前断面的系统节点电压幅值和支路相角差的状态估计值； 步骤1所述的建立配电网拓扑辨识模型中的输出为线路的开断状态，具体如下： 1.1开关线路状态 式中，ai代表第i条开关线路的状态，0表示线路断开，1表示线路闭合；y表示在线神经网络的输出，将λ1和λ2设置为常数值；当神经网络的输出超过λ2时，认为线路开关闭合；否则，认为线路开关打开；在此场景下λ1＝λ2＝0.5； 1.2量测方程 历史量测信息的量测方程表示形式如下： z-hx＝e 式中，z代表量测向量，x代表状态变量向量，h·代表交流或直流的潮流方程，e代表量测残差向量； 对于交流系统而言，量测量包括节点电压幅值量测、节点有功注入功率量测、节点无功注入功率量测、支路有功功率量测和支路无功功率量测，其潮流方程如下： θii'＝θi-θi'{i,i'}∈NAC 式中，PAC,ii’和QAC,ii’分别代表第i个交流节点和第i’个交流节点相连支路的支路有功和无功功率，Vi和Vi’分别代表第i个交流节点和第i’个交流节点的电压幅值，θii’代表第i个交流节点和第i’个交流节点相连支路的相角差，θi和θi’分别代表第i个交流节点和第i’个交流节点的相角，PAC,i和QAC,i分别代表第i个交流节点的节点有功注入功率和无功注入功率，和分别代表第i个交流节点和第i’个交流节点相连支路的支路有功功率量测误差和支路无功功率量测误差，和分别代表第i个交流节点的节点有功注入功率量测误差和节点无功注入功率量测误差，NAC代表交流系统节点集合，Gii’和Bii’分别代表第i个交流节点和第i’个交流节点相连支路导纳矩阵的实部和虚部； 1.3对冲反向传播机制具体如下 h0＝z＝[V,Pnode,Qnode,Pline,Qline] 式中，L表示神经网络的总层数，wl和bl为隐含层l的权重矩阵和偏置向量，Θl和αl为第l层的权重矩阵和权重系数，表示第l层的输出，hl表示第l层的激活值，h0表示模型的初始激活值，包括电压幅值量测V，节点有功功率注入量测Pnode和无功功率注入量测Qnode，线路的有功功率流量测Pline和无功功率流量测Qline，Fz表示神经网络的输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。