基于HITS算法的微电网群关键节点辨识方法及系统与流程

基于hits算法的微电网群关键节点辨识方法及系统
技术领域
1.本发明涉及电力节点辨识技术领域，尤其涉及一种基于hits算法的微电网群关键节点辨识方法及系统。


背景技术：

2.微电网群作为一种具备广泛分布资源优势的供电系统，选址具有很高的灵活性。这种供电系统可应用于各种不同的环境，如人口密集的城市地区、遥远的海岛和高原地带以及高度机密的国防项目建设。然而，这些地点常常具有严苛的施工条件、复杂的环境以及高度的可靠性需求。因此，在微电网群的建设过程中，往往需要采用多种供电方式，例如架空线路、地下电缆和海底电缆连接。
3.暴露在自然环境中的分布式发电机组更容易受到海水腐蚀、强风侵袭、雷击等影响，对微电网群的稳定运行带来严重的威胁。此外，微电网群所面临的复杂供电方式导致了其网络参数的多样性，如地下/海底多芯电缆所呈现的电容特性以及短距离架空线路所表现的电阻特性。正是这些多样化的网络参数使得微电网群的输电特性变得错综复杂，进一步增加了脆弱性评估的困难程度。
4.为了提高微电网群的稳定运行能力，研究精准的微电网群关键节点辨识技术显得尤为重要。这将有助于识别和加强微电网群中的关键节点，从而降低系统故障的风险，确保电力供应的稳定性和安全性。而目前由于微电网群存在阻性、感性和容性参数共存，容易导致微电网群关键节点辨识结果误差较大，准确性较低。


技术实现要素：

5.本发明提供了一种基于hits算法的微电网群关键节点辨识方法及系统，解决了目前由于微电网群存在阻性、感性和容性参数共存，容易导致微电网群关键节点辨识结果误差较大，准确性较低的技术问题。
6.有鉴于此，本发明第一方面提供了一种基于hits算法的微电网群关键节点辨识方法，包括以下步骤：
7.获取微电网群中的节点配置信息和线路连接信息；
8.基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵；
9.将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵；
10.基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数；
11.对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数；
12.对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数；
13.基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点。
14.优选地，所述节点配置信息包括节点发电容量、节点负荷容量和节点储能容量，所述线路连接信息包括各微电网之间的连接关系、各微电网内部的节点连接关系、微电网群与主电网的连接关系。
15.优选地，基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵的步骤，具体包括：
16.根据微电网群中的节点数量构建n
×
n矩阵，其中，n为节点数量；
17.对n
×
n矩阵进行初始化，得到n
×
n的零矩阵；
18.根据微电网群中的线路连接信息确定微电网群中的各节点之间的连接关系，获取相互连接的节点间的阻抗值；
19.将相互连接的节点间的阻抗值作为节点间连接的边权重，填入至n
×
n的零矩阵中相应的节点元素位置，对于不存在连接关系的节点对的位置的元素保持为零，从而构建微电网群中各节点连接的邻接矩阵。
20.优选地，将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵的步骤，具体包括：
21.提取所述邻接矩阵的实部为阻性参数的正权重矩阵；
22.提取所述邻接矩阵的正虚部为感性参数的正权重矩阵；
23.提取所述邻接矩阵的负虚部为容性参数的负权重矩阵。
24.优选地，基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数的步骤，具体包括：
25.将微电网群中的所有节点的hub分数和authority分数进行向量初始化为1；
26.利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别与当前的hub分数相乘，得到各个权重矩阵分别对应的新的hub分数；
27.利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别对应的转置矩阵与当前的authority分数相乘，得到各个权重矩阵分别对应的新的authority分数；
28.对所述新的hub分数和所述新的authority分数分别进行归一化处理，得到归一化后的hub分数和归一化后的authority分数；
29.利用归一化后的hub分数和归一化后的authority分数重新执行利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别与当前的hub分数相乘，得到各个权重矩阵分别对应的新的hub分数的步骤，直至收敛或达到预设的最大迭代次数后，输出各个权重矩阵分别对应的hub分数和authority分数。
30.优选地，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和
authority评价分数的步骤之前包括：
31.对微电网群内与主电网连接的节点进行剔除。
32.优选地，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数的步骤具体包括：
33.对微电网群中的各个节点分配hub加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的hub评价分数为：
34.hub_g(i)＝g(i)*hub_all(i)
35.式中，i为节点索引，g(i)为节点i的节点发电容量和节点储能容量，hub_g(i)为节点i的hub评价分数，hub_all(i)为节点i的hub加权分数；
36.对微电网群中的各个节点分配authority加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的authority评价分数为：
37.auth_d(i)＝d(i)*auth_all(i)
38.式中，d(i)为节点i的节点负荷容量和节点储能容量，auth_d(i)为节点i的authority评价分数，auth_all(i)为节点i的authority加权分数。
39.优选地，基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点的步骤，具体包括：
40.对微电网群中的各个节点的hub评价分数由大至小进行排序，确定hub评价分数最大的节点为微电网群中的电力传输能力最强的关键节点；
41.对微电网群中的各个节点的authority评价分数由大至小进行排序，确定authority评价分数最大的节点为微电网群中的电力消耗能力最强的关键节点。
42.第二方面，本发明还提供了一种基于hits算法的微电网群关键节点辨识系统，包括：
43.信息获取模块，用于获取微电网群中的节点配置信息和线路连接信息；
44.邻接构建模块，用于基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵；
45.矩阵分解模块，用于将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵；
46.分数计算模块，用于基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数；
47.加权计算模块，用于对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数；
48.分数分配模块，用于对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数；
49.节点筛选模块，用于基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节
点。
50.从以上技术方案可以看出，本发明具有以下优点：
51.本发明通过获取微电网群中的节点配置信息和线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵，将邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵，从而综合考虑阻性、感性和容性参数对节点的影响，并基于hits算法分别对阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数，对各权重矩阵分别对应的hub分数和authority分数进行加权计算，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数，通过各个节点的hub评价分数和authority评价分数来确定微电网群关键节点，从而降低微电网群关键节点辨识结果误差，提高了微电网群关键节点辨识的准确性。
附图说明
52.图1为本发明实施例提供的一种基于hits算法的微电网群关键节点辨识方法的流程图；
53.图2为本发明实施例提供的一种基于hits算法的微电网群关键节点辨识系统的结构示意图。
具体实施方式
54.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
55.为了便于理解，请参阅图1，本发明提供的一种基于hits算法的微电网群关键节点辨识方法，包括以下步骤：
56.步骤一、获取微电网群中的节点配置信息和线路连接信息。
57.其中，微电网群中的设备类型包括分布式发电设备、能量存储设备和负荷，其中，分布式发电设备为各类分布式发电资源，如太阳能光伏、风能、燃料电池、微型燃气轮机等，分布式发电设备的节点配置信息包括节点发电容量。
58.能量存储设备为各类能量存储设备，如蓄电池、蓄热器、蓄冷器等，能量存储设备的节点配置信息包括节点储能容量。
59.负荷为微电网中的各种负荷，如居民、商业、工业等。负荷的节点配置信息包括节点负荷容量。
60.线路连接信息包括各微电网之间的连接关系、各微电网内部的节点连接关系、微电网群与主电网的连接关系。
61.具体地，各微电网之间的连接关系包括各个微电网之间的连接方式(如交流、直流)、连接线路的容量和电压等级等，各微电网内部的节点连接关系包括微电网内部的发电设备、能量存储设备和负荷之间的连接关系，包括连接线路的类型、容量、电压等级等。微电
网群通常与主电网存在连接，以便在需要时进行能量交换，为此，收集微电网群与主电网的连接关系包括连接点和连接方式，连接点为与主电网连接的微电网、连接位置等，连接方式包括连接类型(如交流、直流)、容量、电压等级等。
62.步骤二、基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵。
63.在微电网群分析中，构建邻接矩阵是一个关键步骤，邻接矩阵能够描述微电网群中各个节点之间的连接关系。邻接矩阵是一个方阵，其行数和列数等于微电网群中节点的数量。在本实施例中，我们将使用线路阻抗作为邻接矩阵的边权重。利用这个邻接矩阵可以帮助我们更好地理解和描述微电网群中各节点之间的相互作用。
64.步骤三、将邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵。
65.需要说明的是，邻接矩阵是以线路阻抗作为邻接矩阵的边权重，因此，邻接矩阵是表示阻抗的矩阵，在微电网群薄弱环节识别的情况下，将邻接矩阵分解为三个矩阵，以便更好地了解电路的性质，可以更好地分析和理解电路中各种元件对电流的影响。
66.步骤四、基于hits算法分别对阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数。
67.其中，hits(hyperlink-induced topic search)算法是一种针对网络图进行链接分析的方法，用于确定网络中的中心节点。hits算法通过计算每个节点的hub分数和authority分数来实现的。
68.步骤五、对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数。
69.其中，将各权重矩阵分别对应的hub分数和authority分数进行加权计算，从而解决对于处理由于感性和容性特性相悖而造成薄弱环节辨识误差大的问题
[0070][0071][0072]
式中，
hub_all
表示hub加权分数，
auth_all
表示authority加权分数，h1、h2、h3分别表示阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵分别对应的hub分数，
auth 1
、
auth2
、
auth3
分别表示阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵分别对应的authority分数。
[0073]
步骤六、对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数。
[0074]
其中，hub评价分数代表了一个节点在整个群中发电资源和储能设备方面的重要性。因此，需要关注分布式发电资源容量和各节点的储能设备容量。将这些信息整合，为每个节点分配一个hub分数，反映其在整个微电网群中的发电资源和储能设备方面的重要性。
[0075]
authority评价分数代表了一个节点在整个群中负荷需求和储能设备方面的重要性。因此，需要关注各个节点的负荷容量和储能容量。将这些信息整合，为每个节点分配一
个authority分数，反映其在整个微电网群中的负荷需求和储能设备方面的重要性。
[0076]
其中，通过hub评价分数和authority评价分数有助于进一步分析微电网群内部节点的相互作用、能量交换等关系，从而优化整个系统的运行和管理。
[0077]
步骤七、基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点。
[0078]
其中，hub评价分数最大的节点表明这个节点在微电网群中的电力传输能力最强，表示该节点在微电网群中的电力传输贡献最大，尽量避免停机。
[0079]
authority评价分数最大的节点在网络中的电力消耗能力较强，表示该节点在微电网群中容易受到其余节点的影响，需要加强其稳定性。
[0080]
需要说明的是，本发明提供了一种基于hits算法的微电网群关键节点辨识方法，通过获取微电网群中的节点配置信息和线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵，将邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵，从而综合考虑阻性、感性和容性参数对节点的影响，并基于hits算法分别对阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数，对各权重矩阵分别对应的hub分数和authority分数进行加权计算，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数，通过各个节点的hub评价分数和authority评价分数来确定微电网群关键节点，从而降低微电网群关键节点辨识结果误差，提高了微电网群关键节点辨识的准确性。
[0081]
在一个具体实施例中，步骤二具体包括：
[0082]
201、根据微电网群中的节点数量构建n
×
n矩阵，其中，n为节点数量。
[0083]
其中，通过确定电力系统中的节点数量，假设电力系统中有n个节点，那么邻接矩阵将是一个n
×
n的矩阵。
[0084]
202、对n
×
n矩阵进行初始化，得到n
×
n的零矩阵。
[0085]
其中，在n
×
n的矩阵中，元素(i,j)表示从节点i到节点j的权重，即线路阻抗。初始化后，所有元素都设为0。
[0086]
203、根据微电网群中的线路连接信息确定微电网群中的各节点之间的连接关系，获取相互连接的节点间的阻抗值。
[0087]
204、将相互连接的节点间的阻抗值作为节点间连接的边权重，填入至n
×
n的零矩阵中相应的节点元素位置，对于不存在连接关系的节点对的位置的元素保持为零，从而构建微电网群中各节点连接的邻接矩阵。
[0088]
其中，对于邻接矩阵中的元素(i,j)，将其值设置为z_ij。这表示从节点i到节点j的边权重为z_ij。对于所有不存在连接关系的节点对(i,j)，邻接矩阵中的元素(i,j)将保持为0。在实际分析过程中，利用这个邻接矩阵可以帮助我们更好地理解和描述微电网群中各节点之间的相互作用。
[0089]
在一个具体实施例中，步骤三具体包括：
[0090]
301、提取邻接矩阵的实部为阻性参数的正权重矩阵。
[0091]
具体来说，对于邻接矩阵z_ij，可以得到阻性参数的正权重矩阵r，其元素r_ij＝
re(z_ij)，其中re表示取实部。
[0092]
302、提取邻接矩阵的正虚部为感性参数的正权重矩阵。
[0093]
具体来说，对于邻接矩阵z_ij，可以得到感性参数的正权重矩阵l，其元素l_ij＝im(z_ij)，其中im表示取虚部，且仅考虑正虚部。
[0094]
303、提取邻接矩阵的负虚部为容性参数的负权重矩阵。
[0095]
具体来说，对于邻接矩阵z_ij，可以得到容性参数的负权重矩阵c，其元素c_ij＝-im(z_ij)，其中im表示取虚部，且仅考虑负虚部。
[0096]
在一个具体实施例中，步骤四具体包括：
[0097]
401、将微电网群中的所有节点的hub分数和authority分数进行向量初始化为1；
[0098]
402、利用阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵分别与当前的hub分数相乘，得到各个权重矩阵分别对应的新的hub分数；
[0099]
403、利用阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵分别对应的转置矩阵与当前的authority分数相乘，得到各个权重矩阵分别对应的新的authority分数；
[0100]
404、对新的hub分数和新的authority分数分别进行归一化处理，得到归一化后的hub分数和归一化后的authority分数；
[0101]
其中，在对新的hub分数和新的authority分数分别进行归一化处理后，使得它们的l2范数等于1。
[0102]
405、利用归一化后的hub分数和归一化后的authority分数重新执行步骤402，直至收敛或达到预设的最大迭代次数后，输出各个权重矩阵分别对应的hub分数和authority分数。
[0103]
在一个具体实施例中，步骤六之前包括：
[0104]
600、对微电网群内与主电网连接的节点进行剔除。
[0105]
需要说明的是，通过对微电网群内与主电网连接的节点进行剔除，以便专注于微电网群内部的节点特性和关系。
[0106]
在一个具体实施例中，步骤六具体包括：
[0107]
601、对微电网群中的各个节点分配hub加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的hub评价分数为：
[0108]
hub_g(i)＝g(i)*hub_all(i)
[0109]
式中，i为节点索引，
g(i)
为节点i的节点发电容量和节点储能容量，
hub_g(i)
为节点i的hub评价分数，
hub_all(i)
为节点i的hub加权分数；
[0110]
其中，
g(i)
是基于节点i的节点发电容量和节点储能容量的相乘结果。
[0111]
602、对微电网群中的各个节点分配authority加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的authority评价分数为：
[0112]
auth_d(i)＝d(i)*auth_all(i)
[0113]
式中，
d(i)
为节点i的节点负荷容量和节点储能容量，
auth_d(i)
为节点i的authority评价分数，
auth_all(i)
为节点i的authority加权分数。
[0114]
其中，
d(i)
是基于节点i的节点负荷容量和节点储能容量的相乘结果。
[0115]
在一个具体实施例中，步骤七具体包括：
[0116]
701、对微电网群中的各个节点的hub评价分数由大至小进行排序，确定hub评价分数最大的节点为微电网群中的电力传输能力最强的关键节点。
[0117]
其中，hub评价分数最大的节点为微电网群中的电力传输能力最强的关键节点，这表示该节点在微电网群中的电力传输贡献最大，尽量避免停机。
[0118]
702、对微电网群中的各个节点的authority评价分数由大至小进行排序，确定authority评价分数最大的节点为微电网群中的电力消耗能力最强的关键节点。
[0119]
其中，authority评价分数最大的节点为微电网群中的电力消耗能力最强的关键节点，这表示该节点在微电网群中容易受到其余节点的影响，需要加强其稳定性。
[0120]
通过对hub评价分数与authority评价分数进行排序和分析，我们可以找到微电网群中关键的节点，并为优化整个系统的性能提供有针对性的建议。
[0121]
以上为本发明提供的一种基于hits算法的微电网群关键节点辨识方法的实施例的详细描述，以下为本发明提供的一种基于hits算法的微电网群关键节点辨识系统的实施例的详细描述。
[0122]
为了便于理解，请参阅图2，本发明还提供了一种基于hits算法的微电网群关键节点辨识系统，包括：
[0123]
信息获取模块100，用于获取微电网群中的节点配置信息和线路连接信息；
[0124]
邻接构建模块200，用于基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵；
[0125]
矩阵分解模块300，用于将邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵；
[0126]
分数计算模块400，用于基于hits算法分别对阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数；
[0127]
加权计算模块500，用于对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数；
[0128]
分数分配模块600，用于对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数；
[0129]
节点筛选模块700，用于基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点。
[0130]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0131]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0132]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0133]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0134]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.基于hits算法的微电网群关键节点辨识方法，其特征在于，包括以下步骤：获取微电网群中的节点配置信息和线路连接信息；基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵；将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵；基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数；对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数；对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数；基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点。2.根据权利要求1所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，所述节点配置信息包括节点发电容量、节点负荷容量和节点储能容量，所述线路连接信息包括各微电网之间的连接关系、各微电网内部的节点连接关系、微电网群与主电网的连接关系。3.根据权利要求2所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵的步骤，具体包括：根据微电网群中的节点数量构建n
×
n矩阵，其中，n为节点数量；对n
×
n矩阵进行初始化，得到n
×
n的零矩阵；根据微电网群中的线路连接信息确定微电网群中的各节点之间的连接关系，获取相互连接的节点间的阻抗值；将相互连接的节点间的阻抗值作为节点间连接的边权重，填入至n
×
n的零矩阵中相应的节点元素位置，对于不存在连接关系的节点对的位置的元素保持为零，从而构建微电网群中各节点连接的邻接矩阵。4.根据权利要求3所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵的步骤，具体包括：提取所述邻接矩阵的实部为阻性参数的正权重矩阵；提取所述邻接矩阵的正虚部为感性参数的正权重矩阵；提取所述邻接矩阵的负虚部为容性参数的负权重矩阵。5.根据权利要求4所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数的步
骤，具体包括：将微电网群中的所有节点的hub分数和authority分数进行向量初始化为1；利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别与当前的hub分数相乘，得到各个权重矩阵分别对应的新的hub分数；利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别对应的转置矩阵与当前的authority分数相乘，得到各个权重矩阵分别对应的新的authority分数；对所述新的hub分数和所述新的authority分数分别进行归一化处理，得到归一化后的hub分数和归一化后的authority分数；利用归一化后的hub分数和归一化后的authority分数重新执行利用所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵分别与当前的hub分数相乘，得到各个权重矩阵分别对应的新的hub分数的步骤，直至收敛或达到预设的最大迭代次数后，输出各个权重矩阵分别对应的hub分数和authority分数。6.根据权利要求5所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数的步骤之前包括：对微电网群内与主电网连接的节点进行剔除。7.根据权利要求6所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数的步骤具体包括：对微电网群中的各个节点分配hub加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的hub评价分数为：hub_g(i)＝g(i)*hub_all(i)式中，i为节点索引，
g(i)
为节点i的节点发电容量和节点储能容量，
hub_g(i)
为节点i的hub评价分数，
hub_all(i)
为节点i的hub加权分数；对微电网群中的各个节点分配authority加权分数，根据微电网群中各个节点的节点配置信息通过下式计算微电网群中的各个节点的authority评价分数为：auth_d(i)＝d(i)*auth_all(i)式中，
d(i)
为节点i的节点负荷容量和节点储能容量，
auth_d(i)
为节点i的authority评价分数，
auth_all(i)
为节点i的authority加权分数。8.根据权利要求6所述的基于hits算法的微电网群关键节点辨识方法，其特征在于，基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点的步骤，具体包括：对微电网群中的各个节点的hub评价分数由大至小进行排序，确定hub评价分数最大的节点为微电网群中的电力传输能力最强的关键节点；对微电网群中的各个节点的authority评价分数由大至小进行排序，确定authority评价分数最大的节点为微电网群中的电力消耗能力最强的关键节点。
9.基于hits算法的微电网群关键节点辨识系统，其特征在于，包括：信息获取模块，用于获取微电网群中的节点配置信息和线路连接信息；邻接构建模块，用于基于微电网群中的线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵；矩阵分解模块，用于将所述邻接矩阵进行分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵；分数计算模块，用于基于hits算法分别对所述阻性参数的正权重矩阵、所述感性参数的正权重矩阵和所述容性参数的负权重矩阵进行计算，得到的各权重矩阵分别对应的hub分数和authority分数；加权计算模块，用于对各权重矩阵分别对应的hub分数和authority分数进行加权计算，得到hub加权分数和authority加权分数；分数分配模块，用于对微电网群中的各个节点分配hub加权分数和authority加权分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的hub评价分数和authority评价分数；节点筛选模块，用于基于微电网群中的各个节点的hub评价分数和authority评价分数，筛选出hub评价分数最大的节点和authority评价分数最大的节点为微电网群关键节点。

技术总结
本发明公开了一种基于HITS算法的微电网群关键节点辨识方法及系统，通过获取微电网群中的节点配置信息和线路连接信息，以线路阻抗为节点间连接的边权重，构建微电网群中各节点连接的邻接矩阵，并分解为阻性参数的正权重矩阵、感性参数的正权重矩阵和容性参数的负权重矩阵，基于HITS算法分别对三个权重矩阵进行计算，得到的各权重矩阵分别对应的Hub分数和Authority分数，对微电网群中的各个节点分配Hub分数和Authority分数，结合微电网群中各个节点的节点配置信息，得到微电网群中的各个节点的Hub评价分数和Authority评价分数，以确定微电网群关键节点，提高了微电网群关键节点辨识的准确性。识的准确性。识的准确性。


技术研发人员：杨昆 向真 郭晓燕 赵文龙 柏林 胡大朋 蔡仲启 刘超 曹煜 彭浩
受保护的技术使用者：广东电网有限责任公司珠海供电局
技术研发日：2023.06.27
技术公布日：2023/9/7