[發(fā)明專利]分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法

在審

• 申請?zhí)枺?/td>: 201811062187.2
• 申請日: 2018-09-12
• 公開（公告）號: CN109471884A
• 公開（公告）日: 2019-03-15
• 發(fā)明（設(shè)計(jì)）人: 胡舟;韓志軍;方景輝;唐錦江;邵煒平;施海峰;馮振宇;雷象兵;李峰;沈浚;胡明達(dá);王大健;張一鳴
• 申請（專利權(quán)）人: 國網(wǎng)浙江省電力有限公司嘉興供電公司;國網(wǎng)浙江海寧市供電有限公司;國網(wǎng)浙江省電力有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/27;G06Q50/06
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 尉偉敏

1.分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法，其特征在于，包括以下步驟：

M1，綜合大數(shù)據(jù)讀入，對數(shù)據(jù)屬性進(jìn)行分析；

M2，對數(shù)據(jù)使用機(jī)器學(xué)習(xí)方式進(jìn)行建立屬性索引和分類；

M3，對讀入數(shù)據(jù)進(jìn)行獨(dú)立數(shù)據(jù)完整性評估，消除不完整、冗余以及模糊數(shù)據(jù)；

M4，對數(shù)據(jù)進(jìn)行首次評估，消除噪音并進(jìn)行重組過濾，最后歸約；

M5，以矩陣恢復(fù)理論框架建立結(jié)構(gòu)化的低秩表示模型以及結(jié)構(gòu)化稀疏約束與低秩約束

M6，對數(shù)據(jù)進(jìn)行誤差分離，以及錯(cuò)誤分割缺損補(bǔ)充；

M8，對融合數(shù)據(jù)進(jìn)行安全管理，防止非法數(shù)據(jù)流失。

2.根據(jù)權(quán)利要求1所述的分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法，其特征在于，所述的步驟M1包括以下子步驟：

A1，建立分布式數(shù)據(jù)庫；

A2，連接分布式發(fā)電站數(shù)據(jù)反饋至步驟A1中分布式數(shù)據(jù)庫；

A3，讀取氣象部門氣象數(shù)據(jù)至步驟A1中分布式數(shù)據(jù)庫；

A3，電網(wǎng)內(nèi)部生產(chǎn)管理信息進(jìn)行自我復(fù)制并傳遞給分布式數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求1所述的分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法，其特征在于，所述的步驟M4包括以下子步驟：

B1，考慮N個(gè)模態(tài)的分布式新能源相關(guān)數(shù)據(jù)資料，并記為{X¹,X²,...,X^N}；

B2，每個(gè)模態(tài)的數(shù)據(jù)集包含p個(gè)觀測樣本

B3，對N個(gè)模態(tài)的數(shù)據(jù)分別設(shè)計(jì)核函數(shù)K^m(x_i,x_j)；

B4，步驟B3中的核函數(shù)均隱式確定一個(gè)非線性映射函數(shù)φ^m(x_i)，總計(jì)N個(gè)非線性映射函數(shù)；

B5，將觀測資料X^m分別輸入對應(yīng)的核函數(shù)K^m(x_i,x_j)進(jìn)行映射并生成M個(gè)同維的K^m∈R^p×p核矩陣；

B6，對映射后的數(shù)據(jù)直接進(jìn)行聯(lián)合操作；

B7，對數(shù)據(jù)進(jìn)行投影算法，完成多元融合表示。

4.根據(jù)權(quán)利要求1所述的分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法，其特征在于，所述的步驟M8包括以子下步驟：

C1，設(shè)定角色請求值的安全性

C2，判斷請求處理時(shí)的關(guān)鍵級別并判斷請求可靠性；

C3，判斷請求權(quán)限的安全性與請求角色的匹配值；

C4，通過全局通報(bào)檢索的方式進(jìn)行二次校驗(yàn)；

C5，步驟C1至C4均判斷為安全時(shí)，授予請求角色對應(yīng)臨時(shí)權(quán)限；

C6，請求角色權(quán)限時(shí)間結(jié)束，結(jié)束權(quán)限授予。

5.根據(jù)權(quán)利要求1所述的分布式新能源相關(guān)的多源異構(gòu)數(shù)據(jù)處理方法，其特征在于，所述的步驟M2中的機(jī)器學(xué)習(xí)為利用深度卷積網(wǎng)絡(luò)隱式地從數(shù)據(jù)中進(jìn)行特征提取；

通過多層特征提取層與特征映射層的卷積過程和子采樣過程達(dá)到隱層與隱層之間空間分辨率遞減；

并采用稀疏性約束的方法來實(shí)現(xiàn)特征的有效選取來提高篩選效率。