[發(fā)明專利]一種多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法

有效

• 申請?zhí)枺?/td>: 202110317131.2
• 申請日: 2021-03-25
• 公開（公告）號: CN112907222B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 胡偉;郭秋婷;馬坤;黃建平;陳浩;盛銀波
• 申請（專利權(quán)）人: 清華大學(xué);國網(wǎng)浙江省電力有限公司嘉興供電公司;國家電網(wǎng)有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 羅文群

本發(fā)明屬于大數(shù)據(jù)智能檢測技術(shù)領(lǐng)域，涉及一種多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法。本方法首先對數(shù)據(jù)進(jìn)行預(yù)處理，然后通過基于稀疏降噪自編碼器的深度置信網(wǎng)絡(luò)對多源異構(gòu)數(shù)據(jù)進(jìn)行特征提取、分類識別過程，提高深度置信網(wǎng)絡(luò)的特征表達(dá)能力和泛化性能，充分挖掘多源數(shù)據(jù)之間的深層抽象特征，避免了由于特征提取不充分導(dǎo)致的影響模型輸出精度降低問題，然后采用強(qiáng)化學(xué)習(xí)與聯(lián)合互信息相結(jié)合的方法自主獲得多源信息之間的相關(guān)性，并按照相關(guān)性進(jìn)行充分融合，有效提高電力系統(tǒng)多源異構(gòu)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)的處理能力和利用效率，并且能夠充分滿足電力系統(tǒng)運(yùn)監(jiān)業(yè)務(wù)對數(shù)據(jù)實(shí)時性的要求。

技術(shù)領(lǐng)域

本發(fā)明屬于大數(shù)據(jù)智能檢測技術(shù)領(lǐng)域，涉及一種多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法。

背景技術(shù)

隨著智能電網(wǎng)的發(fā)展與信息技術(shù)的高度滲透，大空間尺度、小時間尺度和多數(shù)據(jù)類型的電力系統(tǒng)海量信息，極大促進(jìn)了電力大數(shù)據(jù)的發(fā)展及應(yīng)用。電力系統(tǒng)是一個復(fù)雜的高維系統(tǒng)，其內(nèi)部數(shù)據(jù)流向有電力流、業(yè)務(wù)流、故障流、信息流和氣象流等不同數(shù)據(jù)流，數(shù)據(jù)信息的多源異構(gòu)問題，使得人們難以充分挖掘大數(shù)據(jù)的隱含信息，給電力大數(shù)據(jù)的高效應(yīng)用造成極大阻礙。數(shù)據(jù)融合技術(shù)作為一種重要的數(shù)據(jù)處理手段，從原始數(shù)據(jù)和數(shù)據(jù)特征等多個層次對數(shù)據(jù)進(jìn)行綜合處理,獲得應(yīng)用需求的有價值信息,在降低多源異構(gòu)數(shù)據(jù)的冗余度和存儲資源浪費(fèi)方面具有重要價值。因此，研究電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)潛在的多源異構(gòu)數(shù)據(jù)融合問題，充分挖掘電力系統(tǒng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)中隱藏的有價值信息，有效提高電力運(yùn)監(jiān)業(yè)務(wù)大數(shù)據(jù)的處理能力和利用效率，對實(shí)現(xiàn)電力企業(yè)的可靠、安全、高效及經(jīng)濟(jì)化運(yùn)行具有重要意義。隨著深度強(qiáng)化學(xué)習(xí)技術(shù)的成熟和大數(shù)據(jù)理論的發(fā)展，基于人工智能方法進(jìn)行多源異構(gòu)數(shù)據(jù)融合為大電網(wǎng)的智能控運(yùn)行制提供了新的思路。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法，以有效提高電力系統(tǒng)多源異構(gòu)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)的處理能力和利用效率，并且能夠充分滿足電力系統(tǒng)運(yùn)監(jiān)業(yè)務(wù)對數(shù)據(jù)實(shí)時性的要求。

本發(fā)明提出多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法，包括：對多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)預(yù)處理過程；基于深度學(xué)習(xí)的多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)特征提取、分類識別過程；基于強(qiáng)化學(xué)習(xí)的決策級融合過程，最終獲得數(shù)據(jù)量少、容錯性高和分析能力強(qiáng)的數(shù)據(jù)集，用于對電力系統(tǒng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)有價值信息進(jìn)行有效挖掘。

本發(fā)明提出的多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法，其特點(diǎn)和優(yōu)點(diǎn)是：

1、本發(fā)明的多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法，首先對數(shù)據(jù)進(jìn)行預(yù)處理，然后通過深度學(xué)習(xí)方法充分挖掘多源數(shù)據(jù)之間的深層抽象特征，避免了由于特征提取不充分導(dǎo)致的影響模型輸出精度降低問題，然后采用強(qiáng)化學(xué)習(xí)與聯(lián)合互信息相結(jié)合的方法自主獲得多源信息之間的相關(guān)性，并按照相關(guān)性進(jìn)行充分融合，能夠充分滿足電力系統(tǒng)運(yùn)監(jiān)業(yè)務(wù)對數(shù)據(jù)實(shí)時性的要求。

2、本發(fā)明方法易于實(shí)施，本發(fā)明通過引入人工智能領(lǐng)域的深度強(qiáng)化學(xué)習(xí)方法，對其中較為關(guān)鍵的兩部分，即基于稀疏降噪自編碼器的深度置信網(wǎng)絡(luò)對多源異構(gòu)數(shù)據(jù)進(jìn)行特征提取、分類識別過程和基于強(qiáng)化學(xué)習(xí)的多源異構(gòu)數(shù)據(jù)融合過程，稀疏降噪自動編碼器在特征提取、分析、降維和表達(dá)方面具有更好的效果，提高深度置信網(wǎng)絡(luò)的特征表達(dá)能力和泛化性能，有效提高電力系統(tǒng)多源異構(gòu)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)的處理能力和利用效率，因此本方法易于實(shí)施。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明的多源異構(gòu)電網(wǎng)運(yùn)監(jiān)業(yè)務(wù)數(shù)據(jù)融合方法涉及的深度置信網(wǎng)絡(luò)特征提取流程。

圖2為本發(fā)明方法涉及的稀疏降噪自編碼器結(jié)構(gòu)圖。

圖3為本發(fā)明方法涉及的受限玻爾茲曼機(jī)結(jié)構(gòu)圖。

圖4為本發(fā)明方法涉及的深度置信網(wǎng)絡(luò)結(jié)構(gòu)圖。

具體實(shí)施方式