[發明專利]一種應用配電網全域大數據的人工智能預測模型構方法

在審

• 申請號: 201911130109.6
• 申請日: 2019-11-18
• 公開（公告）號: CN110929927A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 楊軍亭;楊佩佩;魏光明;周識遠;朱生鴻;陳宏剛;馬振祺;陳青云;許崇亮
• 申請（專利權）人: 國網甘肅省電力公司;國網甘肅省電力公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/00;G06Q50/06;G06N3/04
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 肖勇翔

1.一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：構建以配電網全域大數據為基礎的人工智能預測模型，采用深度學習的各種模型，利用從各類在線監測系統、無人機或機器人巡檢系統、PMS生產管理系統、OMS系統、監控系統、電能管理系統及智能中斷等不同的平臺及設備中獲取的信息，充分利用處理，構建的如下構建配網負荷模型、供電可靠性分析模型、安全運行風險預警模型、投資成本效能分析模型、優質服務要點研究模型等五大模型，概述如下：

配網負荷預測模型,負荷雖然分為不同類型，但大部分同時間和外部環境條件緊密相關，以歷史負荷、歷史氣象數據和用電大戶投運時間等作為時間序列數據進入深度模型進行學習，最終生成負荷預測模型,并且可通過迭代學習進化負荷預測模型，通過該模型得以提升電力負荷預測的準確度；

供電可靠性分析模型,供電可靠性受系統負荷，元件可靠性性能，元件電氣性能和網架結構等影響，通過將四個方面的運行數據進入深度模型中學習，最終生成供電可靠性影響分析模型，以提高可靠性評估水平；

安全運行風險預警模型,從電網、設備、人員等多維度環境中挖掘潛在的風險點隱患，確定出相應的風險及管控措施；

投資成本效能分析模型,通過引入大數據分析技術，對電網項目與供電覆蓋范圍、可供電量、用電量、缺陷、故障等之間潛在規律和關聯關系的分析和研究，提供未來投資進行輔助決策建議；

優質服務要點研究模型,利用多種統計標準反映供電服務指揮過程中經濟狀態、整體現狀與特點的分析模式，通過對外部環境研究使得系統相關功能及流程設計既確保具有直接客戶應用的能夠分層次分區域的運作模式，又能支撐服務質量監督與管控集中開展的一體化運作模式。

2.根據權利要求1所述的一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：LSTM即長短時神經網絡，采用深度神經網絡，學習訓練，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷,該模型的構建，擬利用采用LSTM模型算法，其核心是是一種特定形式的循環式神經網絡，LSTM是一種門限RNN，主要就在于它在算法中加入了一個判斷信息有用與否的“處理器”，這個處理器作用的結構被稱為cell,一個cell當中被放置了三扇門，分別叫做輸入門、遺忘門和輸出門,說起來無非就是一進二出的工作原理，卻可以在反復運算下解決神經網絡中長期存在的大問題,目前已經證明，LSTM是解決長序依賴問題的有效技術，并且這種技術的普適性非常高，導致帶來的可能性變化非常多,在門限RNN中一個信息進入LSTM的網絡當中，可以根據規則來判斷是否有用,只有符合算法認證的信息才會留下，不符的信息則通過遺忘門被遺忘。

3.根據權利要求2所述的一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：可靠性智能監控預警，分別從線損監控、指標預警、數據溯源等方面進行分析，結合實際深入分析管理中出現的配電網線損異常問題，通過設定報警公式，對線損相關指標進行分析，自動定位異常線路、臺區以及用電客戶，還可根據理論線損和配線、臺區線損計算的計算結果，通過多種維度多種方式進行高級應用分析，提出在日后降損過程中應采取的技術措施和工作中應采取的管理措施，實現一套基于多維度信息平臺的新型線損信息管理模式，提供自動、可靠、完整的數據源，從而為配電網運行提供科學的分析、降損、增效的技術手段。

4.根據權利要求3所述的一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：LSTM的巧妙之處在于通過增加輸入門限，遺忘門限和輸出門限，使得自循環的權重是變化的，這樣一來在模型參數固定的情況下，不同時刻的積分尺度可以動態改變，從而避免了梯度消失或者梯度膨脹的問題,利用該算法在實現負荷預測時，簡單理解其原理是根據遺忘門可以過濾大多數無用的數據，通過輸出門可實現有效數據長期存在，并得出下一個輸出門可能的數值。

5.根據權利要求4所述的一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：對于安全運行風險預測，實現預警，可采用GRU算法模型網絡，這也是RNN的一種模型，并且算是LSTM網絡的變體，它只保留了兩個門，分別為更新門和重置門，即圖中的zt和rt,更新門用于控制前一時刻的狀態信息被帶入到當前狀態中的程度，更新門的值越大說明前一時刻的狀態信息帶入越多,重置門用于控制忽略前一時刻的狀態信息的程度，重置門的值越小說明忽略得越多。