[發(fā)明專利]基于云邊端一體化的智慧電網(wǎng)數(shù)據(jù)處理方法及服務(wù)器

有效

• 申請?zhí)枺?/td>: 202211047867.3
• 申請日: 2022-08-30
• 公開（公告）號: CN115129504B
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計(jì)）人: 鄒春風(fēng);高春亞;張菊;陳佳妮
• 申請（專利權(quán)）人: 創(chuàng)域智能（常熟）網(wǎng)聯(lián)科技有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06F17/18;G06K9/62;G06N3/08;G06Q50/06
• 代理公司: 蘇州瞪羚知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32438
• 代理人: 張宇

1.一種基于云邊端一體化的智慧電網(wǎng)數(shù)據(jù)處理方法，其特征在于，應(yīng)用于云服務(wù)器，所述方法至少包括：

利用智慧電網(wǎng)故障分析算法，確定待分析智慧電網(wǎng)運(yùn)行數(shù)據(jù)的第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口；

結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定故障識別事項(xiàng)在待分析智慧電網(wǎng)運(yùn)行數(shù)據(jù)中的第一故障數(shù)據(jù)識別窗口，以及結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定回歸分析事項(xiàng)在所述待分析智慧電網(wǎng)運(yùn)行數(shù)據(jù)中的第一故障回歸分析窗口；

結(jié)合所述第一故障數(shù)據(jù)識別窗口確定第一異常狀態(tài)知識向量，以及結(jié)合所述第一故障回歸分析窗口確定第二異常狀態(tài)知識向量；

結(jié)合所述第一異常狀態(tài)知識向量和所述第二異常狀態(tài)知識向量，得到運(yùn)行故障分析報(bào)告；

其中，所述結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定故障識別事項(xiàng)在待分析智慧電網(wǎng)運(yùn)行數(shù)據(jù)中的第一故障數(shù)據(jù)識別窗口，包括：結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口確定出第一數(shù)據(jù)識別誤差；結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口和所述第一數(shù)據(jù)識別誤差，確定所述第一故障數(shù)據(jù)識別窗口；

其中，所述結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口確定出第一數(shù)據(jù)識別誤差，包括：結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口確定第三異常狀態(tài)知識向量；將所述第三異常狀態(tài)知識向量加載至第一深度學(xué)習(xí)模型進(jìn)行處理，以得到第一處理結(jié)果；結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口的第一約束變量、第二約束變量和所述第一處理結(jié)果，確定所述第一數(shù)據(jù)識別誤差；

其中，所述結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定回歸分析事項(xiàng)在所述待分析智慧電網(wǎng)運(yùn)行數(shù)據(jù)中的第一故障回歸分析窗口，包括：結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定出X個(gè)第二數(shù)據(jù)識別誤差，X為正整數(shù)；結(jié)合所述X個(gè)第二數(shù)據(jù)識別誤差，確定出所述第一故障回歸分析窗口；其中，所述結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定出X個(gè)第二數(shù)據(jù)識別誤差，包括：將所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口拆解成z*z個(gè)局部數(shù)據(jù)塊；將所述第三異常狀態(tài)知識向量加載至第二深度學(xué)習(xí)模型進(jìn)行處理，得到第二處理結(jié)果；結(jié)合所述第一基礎(chǔ)故障數(shù)據(jù)捕捉窗口的第一約束變量、第二約束變量和所述第二處理結(jié)果，確定出所述z*z個(gè)局部數(shù)據(jù)塊中的每個(gè)局部數(shù)據(jù)塊的數(shù)據(jù)識別誤差，以得到所述X個(gè)第二數(shù)據(jù)識別誤差，X等于z*z；其中，所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型的第一級為相同級。

2.如權(quán)利要求1所述的方法，其特征在于，所述基于云邊端一體化的智慧電網(wǎng)數(shù)據(jù)處理方法通過故障信息識別模型實(shí)現(xiàn)，所述方法還包括：

通過智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例及所述智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例的先驗(yàn)注釋對所述故障信息識別模型進(jìn)行調(diào)試，以得到完成調(diào)試的故障信息識別模型。

3.如權(quán)利要求2所述的方法，其特征在于，所述通過智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例及所述智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例的先驗(yàn)注釋對所述故障信息識別模型進(jìn)行調(diào)試，以得到完成調(diào)試的故障信息識別模型，包括：

結(jié)合所述智慧電網(wǎng)故障分析算法，確定所述智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例的第二基礎(chǔ)故障數(shù)據(jù)捕捉窗口；

結(jié)合所述第二基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定故障識別事項(xiàng)在智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例中的第二故障數(shù)據(jù)識別窗口，以及結(jié)合所述第二基礎(chǔ)故障數(shù)據(jù)捕捉窗口，確定回歸分析事項(xiàng)在所述智慧電網(wǎng)運(yùn)行數(shù)據(jù)示例上的第二故障回歸分析窗口；

結(jié)合所述第二故障數(shù)據(jù)識別窗口確定第四異常狀態(tài)知識向量，以及結(jié)合所述第二故障回歸分析窗口確定第五異常狀態(tài)知識向量；

至少結(jié)合所述第四異常狀態(tài)知識向量、所述第五異常狀態(tài)知識向量和所述先驗(yàn)注釋，確定模型質(zhì)量評價(jià)指標(biāo)；

結(jié)合所述模型質(zhì)量評價(jià)指標(biāo)對所述故障信息識別模型進(jìn)行改進(jìn)，得到完成調(diào)試的故障信息識別模型。

4.如權(quán)利要求3所述的方法，其特征在于，所述至少結(jié)合所述第四異常狀態(tài)知識向量、所述第五異常狀態(tài)知識向量和所述先驗(yàn)注釋，確定模型質(zhì)量評價(jià)指標(biāo)，包括：

結(jié)合所述第四異常狀態(tài)知識向量和所述先驗(yàn)注釋，確定出所述故障識別事項(xiàng)的第一模型代價(jià)指標(biāo)；

結(jié)合所述第五異常狀態(tài)知識向量和所述先驗(yàn)注釋，確定出所述回歸分析事項(xiàng)的第二模型代價(jià)指標(biāo)；

結(jié)合所述第一模型代價(jià)指標(biāo)和所述第二模型代價(jià)指標(biāo)，確定出所述模型質(zhì)量評價(jià)指標(biāo)。