本发明涉及智能电网,具体涉及一种停电主动感知方法及其系统、存储介质。
背景技术:
1、现代社会对于电力供应的可靠程度较高,因此如果电力系统出现故障导致停电,对于社会的影响较为广泛,可能会影响群众的日常生活,并且造成较大的经济损失。随着电力系统的智慧化和智能化发展,电力企业搭建了电力设备数据采集系统,用于为电力企业的发展、调控等业务开展提供了数据支撑,通过对收集的电能数据进行数据分析,可以实现对停电状态的主动感知,加快电力企业数字化转型,保障电力系统的安全平稳运行又能提高电网企业的经济效益。
技术实现思路
1、本发明的目的在于提出一种停电主动感知方法及其系统、存储介质,以实现对停电状态的主动感知。
2、为实现上述目的,本发明提出一种停电主动感知方法,所述方法包括:
3、获取各个区域的电能数据,根据所述各个区域的电能数据构建各个区域的关联特征;
4、利用主成分分析法对所述各个区域的电能数据进行降维处理得到各个区域的停电特征;
5、将所述关联特征和所述停电特征输入预先训练好的停电主动感知模型进行识别,输出停电主动感知结果;其中所述停电主动感知结果包括停电结果及其置信度、或非停电结果及其置信度。
6、优选地,所述根据所述各个区域的电能数据构建区域关联特征,包括:
7、根据以下公式构建不同区域的关联矩阵mn×n;
8、
9、其中,如果两个区域存在空间位置的交叉或者两个区域之间存在共用同一电力设备,则mij=1,否则mij=0;
10、采用evd矩阵分解法对所述关联矩阵mn×n做矩阵分解得到n×n矩阵q与n×n矩阵∧以及n×n矩阵qt的乘积;其中,区域li对应的区域关联特征就是矩阵q和矩阵∧的第i行数据。
11、优选地,所述停电主动感知模型包括lstm模型、决策树模型和线性回归模块,所述关联特征和停电特征输入所述lstm模型和所述决策树模型的输入端,所述lstm模型和所述决策树模型的输出端与所述线性回归模块的输入端连接,所述线性回归模块输出停电主动感知结果。
12、优选地,所述预先训练好的停电主动感知模型通过以下方式进行训练:
13、获取各个区域的电能数据样本,根据所述各个区域的电能数据构建区域关联特征样本;
14、利用主成分分析法对所述电能数据样本进行降维处理得到停电特征样本;
15、将所述关联特征样本和所述停电特征样本输入预先设置的停电主动感知模型,对该停电主动感知模型进行训练得到停电主动感知模型。
16、本发明还提出一种停电主动感知系统,所述系统包括:
17、电能数据获取单元,用于获取各个区域的电能数据,根据所述各个区域的电能数据构建各个区域的关联特征;
18、特征降维处理单元,用于利用主成分分析法对所述各个区域的电能数据进行降维处理得到停电特征;
19、停电主动感知单元,用于将所述关联特征和所述停电特征输入预先训练好的停电主动感知模型进行识别,输出停电主动感知结果;其中所述停电主动感知结果包括停电结果及其置信度、或非停电结果及其置信度。
20、优选地,所述电能数据获取单元,具体用于根据以下公式构建不同区域的关联矩阵mn×n,并采用evd矩阵分解法对所述关联矩阵mn×n做矩阵分解得到n×n矩阵q与n×n矩阵∧以及n×n矩阵qt的乘积;其中,区域li对应的区域关联特征就是矩阵q和矩阵∧的第i行数据;
21、
22、其中,如果两个区域存在空间位置的交叉或者两个区域之间存在共用同一电力设备,则mij=1,否则mij=0。
23、优选地,所述停电主动感知模型包括lstm模型、决策树模型和线性回归模块,所述关联特征和所述停电特征输入所述lstm模型和所述决策树模型的输入端,所述lstm模型和所述决策树模型的输出端与所述线性回归模块的输入端连接,所述线性回归模块输出停电主动感知结果。
24、优选地,所述系统包括训练单元,所述训练单元用于预先设置的停电主动感知模型进行训练得到所述预先训练好的停电主动感知模型,训练方式如下:
25、获取各个区域的电能数据样本,根据所述各个区域的电能数据构建区域关联特征样本;
26、利用主成分分析法对所述电能数据样本进行降维处理得到停电特征样本;
27、将所述关联特征样本和所述停电特征样本输入预先设置的停电主动感知模型,对该停电主动感知模型进行训练得到停电主动感知模型。
28、本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如上述的停电主动感知方法。
29、本发明至少具有以下有益效果:
30、能够基于不同区域的电能数据进行停电主动感知,可以让用户提前规划停电事宜,可以通过停电数据分析考虑设置合适的备用电源数目提高本地电网系统的供电可靠性。
31、本发明的其它特征和优点将在随后的说明书中阐述。
1.一种停电主动感知方法,其特征在于,所述方法包括:
2.根据权利要求1所述的停电主动感知方法,其特征在于,所述根据所述各个区域的电能数据构建区域关联特征,包括:
3.根据权利要求1所述的停电主动感知方法,其特征在于,所述停电主动感知模型包括lstm模型、决策树模型和线性回归模块,所述关联特征和停电特征输入所述lstm模型和所述决策树模型的输入端,所述lstm模型和所述决策树模型的输出端与所述线性回归模块的输入端连接,所述线性回归模块输出停电主动感知结果。
4.根据权利要求1所述的停电主动感知方法,其特征在于,所述预先训练好的停电主动感知模型通过以下方式进行训练:
5.一种停电主动感知系统,其特征在于,所述系统包括:
6.根据权利要求5所述的停电主动感知系统,其特征在于,所述电能数据获取单元,具体用于根据以下公式构建不同区域的关联矩阵mn×n,并采用evd矩阵分解法对所述关联矩阵mn×n做矩阵分解得到n×n矩阵q与n×n矩阵∧以及n×n矩阵qt的乘积;其中,区域li对应的区域关联特征就是矩阵q和矩阵∧的第i行数据;
7.根据权利要求5所述的停电主动感知系统,其特征在于,所述停电主动感知模型包括lstm模型、决策树模型和线性回归模块,所述关联特征和所述停电特征输入所述lstm模型和所述决策树模型的输入端,所述lstm模型和所述决策树模型的输出端与所述线性回归模块的输入端连接,所述线性回归模块输出停电主动感知结果。
8.根据权利要求5所述的停电主动感知系统,其特征在于,所述系统包括训练单元,所述训练单元用于预先设置的停电主动感知模型进行训练得到所述预先训练好的停电主动感知模型,训练方式如下:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如上述权利要求1-4中任一项所述的停电主动感知方法。