[發明專利]一種處理電力系統數據的方法、裝置及電子設備

在審

• 申請號: 201810166848.X
• 申請日: 2018-02-28
• 公開（公告）號: CN108520472A
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 劉威;張東霞;李書芳;侯金秀
• 申請（專利權）人: 北京郵電大學;中國電力科學研究院;國家電網公司;國網河南省電力公司經濟技術研究院
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

本發明實施例提供了一種處理電力系統數據的方法、裝置及電子設備，所述方法包括：基于預先訓練的深度強化學習模型，獲取電力系統運行數據中的學習價值信息；根據所獲取的學習價值信息判斷所述電力系統的運行狀態；根據所述電力系統的運行狀態，確定控制決策，其中，所述控制決策用于保障所述電力系統安全穩定運行。通過本發明實施例提供的技術方案，能夠直接從電網數據入手，基于預先訓練好的深度強化學習模型獲取電力系統運行數據中的學習價值信息，根據所獲取的學習價值信息來判斷電力系統的運行狀態并給出合理控制方案；從而能夠避免電網分析對物理模型的依賴，且對于不同運行方式不同場景不需要重新調整模型架構，訓練效率高，適用性較強。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種處理電力系統數據的方法、裝置及電子設備。

背景技術

隨著新能源、電動汽車等新型供用電在電網占比增加，傳統的電力系統分析方法對于新的發展形勢下電網分析控制適用性較差，不能滿足電網發展要求，具體的，傳統電力系統分析控制往往采用基于物理模型建模構建數學方程組并求解，根據計算結果判定系統狀態。但是，隨著電力系統結構日趨復雜，基于物理模型的分析方法難以適應電網需求，分析結果可信度下降。

發明內容

本發明實施例的目的在于提供一種處理電力系統數據的方法、裝置及電子設備，以避免電網分析對物理模型的依賴，保證了分析結果的可信度，且對于不同運行方式不同場景不需要重新調整模型架構，訓練效率高，適用性強。具體技術方案如下：

第一方面，本發明實施例提供了一種處理電力系統數據的方法，所述方法包括：

基于預先訓練的深度強化學習模型，獲取電力系統運行數據中的學習價值信息；

根據所獲取的學習價值信息判斷所述電力系統的運行狀態；

根據所述電力系統的運行狀態，確定控制決策，其中，所述控制決策用于保障所述電力系統安全穩定運行。

可選的，所述深度強化學習模型的訓練過程如下：

初始化深度強化學習模型，所述深度強化學習模型由深度學習模型和強化學習模型構成；

獲得電網數據；

對所獲得的電網數據進行預處理形成樣本數據集；

從所述樣本數據集中選取訓練數據；

利用深度學習模型提取所述訓練數據的特征；

利用強化學習模型對所提取的特征進行分析，得到分析結果，并基于所述分析結果判斷是否完成訓練；

如果判斷結果為完成訓練，得到訓練完成的深度強化學習模型；

如果判斷結果為未完成訓練，調整所述深度學習模型和強化學習模型的模型參數，返回執行從所述樣本數據集中選取訓練數據的步驟。

可選的，所述深度學習模型為：深度卷積神經網絡。

可選的，所述深度學習模型為用于提高原始數據價值密度和增加模型泛化能力的模型。

可選的，所述強化學習模型為Q-Learning分析模型。

第二方面，本發明實施例提供了一種處理電力系統數據的裝置，所述裝置包括：

信息獲取模塊，用于基于預先訓練的深度強化學習模型，獲取電力系統運行數據中的學習價值信息；

運行狀態判斷模塊，用于根據所獲取的學習價值信息判斷所述電力系統的運行狀態；

控制決策確定模塊，用于根據所述電力系統的運行狀態，確定控制決策，其中，所述控制決策用于保障所述電力系統安全穩定運行。

可選的，所述深度強化學習模型的訓練過程如下：