[發明專利]基于深度學習的電力信息系統狀態分析方法及裝置

在審

• 申請號: 202011338528.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112508363A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 何東;毛冬;饒涵宇;王紅凱;張辰;徐海青;陳是同;陶俊;吳小華;毛舒樂;浦正國;梁翀;胡心穎;郭慶;張天奇
• 申請（專利權）人: 國網浙江省電力有限公司信息通信分公司;安徽繼遠軟件有限公司;國網信息通信產業集團有限公司;國家電網有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62;G06N3/04
• 代理公司: 合肥維可專利代理事務所(普通合伙) 34135
• 代理人: 吳明華

本發明公開了一種基于深度學習的電力信息系統狀態分析方法及裝置，包括：獲取訓練樣本；根據信息系統狀態分析結果種類對每個訓練樣本進行對應種類的標注，其中特征相似的訓練樣本采用相同標注；以訓練樣本和對應的標注數據作為深度學習網絡的輸入進行信息系統狀態分析模型訓練；基于訓練完成的信息系統狀態分析模型進行信息系統狀態分析。本發明通過在標注數據時，對特征相似的訓練樣本采用相同標注，實現只需將所有訓練樣本進行特征相似性衡量，然后將特征相似的劃分為一類進行相同標注，提高訓練樣本標注效率，同時采用深度置信網絡提高了狀態分析的客觀性，避免了采用主客觀指標權重賦權進行狀態分析造成的主客觀性不平衡。

技術領域

本發明涉及電力系統管理技術領域，具體涉及基于深度學習的電力信息系統狀態分析方法及裝置。

背景技術

電力能源作為保障國民經濟高效運行的重要基礎，隨著云計算、大數據、物聯網等新興信息技術的飛速發展和日趨成熟，信息技術、網絡技術和通訊技術與電力企業生產、運行和管理等各個環節的融合更為緊密，電力系統的信息化程度也在不斷提升，由此也產生了大量包含了系統網絡連接狀態、數據庫狀態等系統運行日志以及設備運行參數等相關日志信息。此外，隨著我國電力體制改革的不斷深入，電力市場化交易正逐步有序放開，電力企業業務信息系統的復雜性也顯著增強。充分利用系統運行過程中累積的海量信息，對電力業務信息系統的運行健康狀況進行準確有效的分析，進而確保系統的安全、可靠、經濟運行正日益成為一個學術界關注的熱點問題。

與其他領域的信息系統健康狀態分析類似，電力業務信息系統狀態分析需要對系統硬件、系統軟件以及網絡組成等系統構成單元進行系統性和綜合性分析。現有的信息系統健康狀態分析方法主要有主觀評價方法和客觀評價方法兩大類。其中主觀評價方法需要構建相應的評價指標體系，進而根據專家打分確定評價體系中各個不同指標對應的權重，從而進行綜合評判。

現有信息系統狀態分析的研究主要集中于評價過程的客觀性和科學性。然而，無論是主觀性評價方法，還是客觀性評價方法，其評價指標權重的構造問題仍然是急待解決的核心問題。

發明內容

針對上述現有技術存在的問題，本發明提供了基于深度學習的電力信息系統狀態分析方法，包括如下步驟：

獲取訓練樣本，所述一個訓練樣本包括同一時間的多個狀態分析參數的數據；

根據信息系統狀態分析結果種類對每個訓練樣本進行對應種類的標注，其中特征相似的訓練樣本采用相同標注；

以訓練樣本和對應的標注數據作為深度學習網絡的輸入進行信息系統狀態分析模型訓練；

基于訓練完成的信息系統狀態分析模型進行信息系統狀態分析。

作為上述方案的進一步優化，所述根據信息系統狀態分析結果種類對每個訓練樣本進行對應種類的標注，包括：

將所有訓練樣本通過聚類算法將特征相似的訓練樣本分到一個類別中，形成多個類別；

將多個訓練樣本類別與多個數據標注種類映射對應，進行每一類別訓練樣本的標注。

作為上述方案的進一步優化，所述將所有訓練樣本通過聚類算法將特征相似的訓練樣本分到一個類別中，形成多個類別，包括如下步驟：

(1)初始建立兩個集合，并且將距離最遠的兩個訓練樣本X1、X2分別放入兩個集合中并作為集合中心；

(2)計算已有集合的集合中心的平均距離P1；

(3)新建一個集合存入一個新的訓練樣本Xi(i2)，計算新建集合后所有集合的中心的平均距離P2，若P2P1，則新建集合保留且存放新加訓練樣本Xi，否則，刪除新建集合并將Xi放入距離最近的已有集合中；

(4)基于新加訓練樣本和新建集合后的結果，進行集合中心重置；