一种基于深度学习的电网停电检修计划编排方法技术

本发明专利技术公开了一种基于深度学习的电网停电检修计划编排方法，涉及电力技术领域。其方案为：加载电网模型数据文件提取电网设备模型信息保存到文件中作为基础数据；获取停电检修计划相关信息作为样本数据的关键特征；构造原始检修申请作为深度学习的原始样本数据；对原始样本数据进行特征增广及预处理生成可以直接输入深度学习模型的特征数据；生成样本对应的标签数据；确定深度学习模型的输入层神经元个数构建深度学习模型进行计划编排；验证编排结果；将验证符合要求的数据作为样本数据继续训练深度学习模型实现模型的持续学习。本发明专利技术将深度学习技术应用到停电检修计划编排之中，实现对停电申请进行快速优化编排，提高了编排准确度及编排效率。

【技术实现步骤摘要】
一种基于深度学习的电网停电检修计划编排方法
本专利技术实施例涉及电力
，具体涉及一种基于深度学习的电网停电检修计划编排方法。
技术介绍
随着电网规模的不断扩大，设备停电检修需求迅猛增长，电网的风险防控要求也不断提升，传统的停电计划管理系统难以满足实际的工作需求。现有的停电检修编排方法主要是从建立优化目标、构造专家系统等角度进行实现，其存在的不足之处在于：一是编排时间长，需要反复计算校核；二是对工作人员的依赖性较大，需要编排人员具备较强的专业知识，并且参与检修计划编排的全过程；三是构造模型复杂，实现困难并且难以维护。这种方式在每次应用时往往要耗费很大的人力物力，并且编排的结果不是很理想，在实际停电检修时检修日期会存在较大变动。因此，为实现各种停电计划组合模式下的自动安全校核与风险预控，提供编制输变电设备停电计划的辅助决策，亟需一种有效的停电检修编排方法。随着深度学习技术在电力领域的发展，调度机器人、自动巡航等技术相应产生并在实际生产中得到应用，运用深度学习技术解决复杂电力系统问题已成为热点。虽然人工智能领域的深度学习技术在解决复杂模型问题方面具有很大优势，但目前人工智能技术在电力领域面临数据维度高、数据特征与标签关联性差等问题，从而导致模型训练存在较大困难。基于上述现有技术中存在的不足，本专利技术提出一种基于深度学习的电网停电检修计划编排方法，将深度学习技术应用到停电检修计划编排之中，实现对停电申请进行快速优化编排，提高了编排准确度及编排效率。
技术实现思路
本专利技术实施例提供一种基于深度学习的电网停电检修计划编排方法，可以全面地分析电网设备停电检修状况，降低深度学习模型的计算复杂度，实现快速优化编排。为解决上述技术问题，本专利技术公开了如下技术方案：一种基于深度学习的电网停电检修计划编排方法，包括以下步骤：加载电网模型数据文件，从中提取电网设备模型信息，并将提取出的内容保存到文件中作为基础数据；获取停电检修计划相关信息，将其作为样本数据的关键特征；从基础数据中抽取设备模型信息，结合样本数据的关键特征，构造原始检修申请作为深度学习的原始样本数据；对原始样本数据进行特征增广，然后对增广后的数据进行预处理生成可以直接输入深度学习模型的特征数据；生成样本对应的标签数据Y，Y为1～31中的一个数值，表征每个电力设备的检修日期，并将检修日期作为类别型数据进行独热处理，作为深度学习模型的输出层；根据特征数据确定数据列的个数，进而确定深度学习模型的输入层神经元个数，然后构建深度学习模型进行计划编排；使用电力系统高级应用等模块验证编排结果的好坏；将验证符合要求的数据或实际应用中用以预测的数据作为样本数据继续训练深度学习模型，实现模型的持续学习。基于上述方案，本方法做如下优化：优选的，所述加载电网模型数据文件，从中提取电网设备模型信息，信息包括设备ID、电压等级、设备厂站ID及设备类型等。优选的，所述获取停电检修计划相关信息，信息包括检修时段数、设备检修单位时间费用、所在区域的班组检修能力、设备检修标识、允许检修起始时间、允许检修终止时间、检修天数、申请检修起始时间及申请检修结束时间等。进一步的，所述对原始样本数据进行特征增广，具体包括：将原始样本数据[m×n]转换为[m×(m*n+1)]，并重新设置列名成为增广样本数据，其中m、n分别为增广样本数据的行数和列数，且n中不包括索引列。进一步的，所述对增广后的数据进行预处理，预处理过程包括：对增广后的ID类型数据进行二进制转换处理，对增广后的设备类型、电压等级及日期类型数据进行独热处理，对班组检修能力及检修费用类型数据进行归一化处理。进一步的，所述对增广后的ID类型数据进行二进制转换处理，具体包括：将设备信息中的ID类型数据进行重编码，实现1～N编码，然后根据N值确定二进制的维数d，其中N与d的关系为2N≥2d>N。如上所述的一种基于深度学习的电网停电检修计划编排方法，所述生成计划检修设备对应的检修日期标签数据Y，标签数据Y的主要约束包括允许检修起始时间、所在区域的班组检修能力、设备检修单位时间费用以及检修申请中设备之间的规则关系。本申请的实施例提供的技术方案包括以下有益效果：1、本申请实施例提供的一种基于深度学习的电网停电检修计划编排方法，通过对原始样本数据进行特征增广，实现检修申请单中计划检修设备的整体关联，使得训练样本的数据属性特征更加完善，能够更全面地分析电网设备停电检修状况，对于各种设备检修组合均可给出合理的编排结果。2、本申请实施例提供的一种基于深度学习的电网停电检修计划编排方法，通过对ID类型数据进行二进制转换处理，实现了特征数据的指数级降维，降低了深度学习模型的计算复杂度，提高了模型的训练效率。3、本申请实施例提供的一种基于深度学习的电网停电检修计划编排方法，将深度学习技术应用到停电检修计划编排之中，与传统的编排方法相比，实现了快速优化编排，提高了编排效率。4、本申请实施例提供的一种基于深度学习的电网停电检修计划编排方法，将验证符合要求的数据作为样本数据继续训练深度学习模型，从而实现模型的持续学习，不断改进编排结果，提高了编排准确度。附图说明此处的附图被并入说明书中并构成说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1为本申请实施例提供的一种基于深度学习的电网停电检修计划编排方法流程图。具体实施方式为使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。图1示出了本申请实施例的一种基于深度学习的电网停电检修计划编排方法流程图。参照图1，本实施例的实现步骤如下：S1、加载电网模型数据文件，从中提取电网主设备模型信息，包括设备ID、电压等级、设备类型及设备厂站ID等，然后将提取出的内容保存到文件中作为基础数据；S2、获取停电检修计划相关信息，包括检修时段数、设备检修单位时间费用、所在区域的班组检修能力、设备检修标识、允许检修起始时间、允许检修终止时间、检修天数、申请检修起始时间及申请检修结束时间等，并将其作为样本数据的关键特征。S3、从S1的基础数据中抽取设备模型信息，从S2的检修计划相关信息中抽取设备检修的关键特征，将两部分信息结合，构造原始检修申请作为深度学习的原始样本数据X；S4、对原始样本数据进行特征增广，然后对增广后的ID类型数据进行二进制转换处理，对增广后的设备类型、电压等级及日期类型数据进行独热处理，对班组检修能力及检修费用类型数据进行归一化处理，生成可以直接输入深度学习模型的特征数据；S5、本文档来自技高网...

【技术保护点】
1.一种基于深度学习的电网停电检修计划编排方法，其特征在于，包括以下步骤：/n加载电网模型数据文件，从中提取电网设备模型信息，并将提取出的内容保存到文件中作为基础数据；/n获取停电检修计划相关信息，将其作为样本数据的关键特征；/n从基础数据中抽取设备模型信息，结合样本数据的关键特征，构造原始检修申请作为深度学习的原始样本数据；/n对原始样本数据进行特征增广，然后对增广后的数据进行预处理生成可以直接输入深度学习模型的特征数据；/n生成样本对应的标签数据Y；/n根据特征数据确定数据列的个数，进而确定深度学习模型的输入层神经元个数，然后构建深度学习模型进行计划编排；/n验证编排结果；/n将验证符合要求的数据作为样本数据继续训练深度学习模型。/n

【技术特征摘要】
1.一种基于深度学习的电网停电检修计划编排方法，其特征在于，包括以下步骤：
加载电网模型数据文件，从中提取电网设备模型信息，并将提取出的内容保存到文件中作为基础数据；
获取停电检修计划相关信息，将其作为样本数据的关键特征；
从基础数据中抽取设备模型信息，结合样本数据的关键特征，构造原始检修申请作为深度学习的原始样本数据；
对原始样本数据进行特征增广，然后对增广后的数据进行预处理生成可以直接输入深度学习模型的特征数据；
生成样本对应的标签数据Y；
根据特征数据确定数据列的个数，进而确定深度学习模型的输入层神经元个数，然后构建深度学习模型进行计划编排；
验证编排结果；
将验证符合要求的数据作为样本数据继续训练深度学习模型。


2.根据权利要求1所述的一种基于深度学习的电网停电检修计划编排方法，其特征在于，所述对原始样本数据进行特征增广，具体包括：将原始样本数据[m×n]]]转换为[m×(m*n+1)]]，并重新设置列名成为增广样本数据，其中m、n分别为增广样本数据的行数和列数，且n中不包括索引列。


3.根据权利要求1所述的一种基于深度学习的电网停电检修计划编排方法，其特征在于，所述加载电网模型数据文件，从中提取电网设备模型信息，信息包括设备ID、电压等级、设备厂站ID及设备类型。


4.根据权利要求3所述的一种基于深度学习的电网停电检修计划编排...

【专利技术属性】
技术研发人员：吕明超，王建功，马德亮，刘鹏，许博，
申请(专利权)人：积成电子股份有限公司，
类型：发明
国别省市：山东;37