一种用于机器学习的电网概率可视化模型构建方法和系统技术方案

本发明专利技术提供了一种用于机器学习的电网概率可视化模型构建方法和系统，包括：根据机器学习目的，确定电网信息概率图的规模、深度、粒度和层级；基于规模、深度、粒度和层级，从物理电网中，抽取电网能源流动信息构建节点信息；从物理网络关系中的路径信息，设计抽取电网能源流动环境和路径信息，构建边信息；基于节点信息和边信息构建电网概率可视化模型。本发明专利技术根据电网能源流动信息和路径信息建立电网信息概率图，能够加速智能的数据处理和机器学习，窥探数据与机器学习的支持效能，验证数据和机器学习的规律发现的目的影响。

【技术实现步骤摘要】
一种用于机器学习的电网概率可视化模型构建方法和系统
本专利技术属于电网特征表示定义和提取
，具体涉及一种用于机器学习的电网概率可视化模型构建方法和系统。
技术介绍
一直以来电网的物理意义明确，电力系统的分析计算基于物理电网的数学模型。电网组成和结构复杂，其静态和动态数据特征庞大，基于仿真模型和各种算法的电力系统分析计算，其计算数据特征维数大，其蕴含的物理意义和网络关系也十分复杂。电网规划及运行管理的监控、计算、仿真分析应用以及相应系统，在长时间行业服务中，产生了大量的业务相关的数据，从不同如RTU、监控调度、安稳分析和仿真计算等的角度，产生和掌握着电网的相当数量的信息，如电网配置运行数据、各种监测计算数据等，这些数据尚未被深度开发和研究利用。计算机科学和人工智能在领域内应用，期望更有效利用大量的这些电网数据，以不同于传统仿真分析计算的方法，学习对电网运行管理方法，获取故障诊断预警、故障恢复智能方案，学习提取电网优化配置、规划等规则和知识以及建立电网规划运行方案评估方法等。机器学习算法在领域应用的实践，以及机器学习的本文档来自技高网...

【技术保护点】
1.一种用于机器学习的电网概率可视化模型构建方法，其特征在于：包括：/n根据机器学习目的，确定电网信息概率图的规模、深度、粒度和层级；/n基于规模、深度、粒度和层级，从物理电网中，抽取电网能源流动信息构建节点信息；/n从物理网络关系中的路径信息，设计抽取电网能源流动环境和路径信息，构建边信息；/n基于节点信息和边信息构建电网概率可视化模型。/n

【技术特征摘要】
1.一种用于机器学习的电网概率可视化模型构建方法，其特征在于：包括：
根据机器学习目的，确定电网信息概率图的规模、深度、粒度和层级；
基于规模、深度、粒度和层级，从物理电网中，抽取电网能源流动信息构建节点信息；
从物理网络关系中的路径信息，设计抽取电网能源流动环境和路径信息，构建边信息；
基于节点信息和边信息构建电网概率可视化模型。


2.如权利要求1所述的方法，其特征在于，所述路径信息，包括：
电网中设置有能量流动信息传感器的观测点的能量流动信息值在电网中的连接关系和关联关系以及脱离电网环境约束的关联关系。


3.如权利要求1所述的方法，其特征在于，所述能量流信息包括：潮流、电压、电流和频率。


4.如权利要求1所述的方法，其特征在于，所述电网信息概率图中的节点包括：元点、中点、末点和不定点；
其中，元点包括发电点、供电点和电源；
末点包括耗电点和负荷；
中点包括设置的用于观察电网信息的观察点；
不定点包括元点、中点和末点中至少两种构成的复合点。


5.如权利要求1所述的方法，其特征在于，所述电网信息概率图中的边对应电网中的元件、连接和路网，所述边具有方向，所述边包括阻概率；
所述阻概率表示阻抗和损耗对流经所述阻概率所在边的能量流信息的影响权重。


6.如权利要求5所述的方法，其特征在于，所述节点的值通过到达所述节点的边的阻概率和所述边的起始点的值得到，或者在构建所述电网信息概率模型时，直接从所述节点对应的电网观测点提取。


7.如权利要求1所述的方法，其特征在于，所述电网信息概率图的规模根据电网规模设定；
所述电网信息概率图的深度根据研究需求设定，所述深度包括一级网络图和二级网络图；
所述电网信息概率图的...

【专利技术属性】
技术研发人员：郭中华，陈继林，王维熙，陈勇，刘首文，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网湖北省电力有限公司，
类型：发明
国别省市：北京;11