【技术实现步骤摘要】
一种电力信息采集系统运行状态的预测评估方法及装置
本专利技术涉及电力信息采集系统的运维，具体涉及一种电力信息采集系统运行状态的预测评估方法及装置。
技术介绍
电力用户用电信息采集系统是对电力用户的用电信息进行采集、处理和实时监控的系统，实现用电信息的自动采集、计量异常监测、电能质量监测、用电分析和管理、相关信息发布、分布式能源监控、智能用电设备信息交互等功能。信息系统的运行环境主要是指各类人员和软、硬件设施所处的内部环境要素以及相关的外部环境要素。运行环境对于信息系统的影响，包括设备内部和外部的抗电磁冲击和电磁泄露，系统设备可用性和完整性的破坏，以及对各类主体的假冒攻击等。随着电力信息采集系统的建设，用电信息采集规模日渐庞大，数据深化应用不断加强。电力信息采集系统采集运维工单量越来越多，远远超出配备运维人员的工作能力，致使系统不能及时高效的获取设备特征，无法及时了解设备运行状态。针对电力用户需求和电网运行环境突变等情况，用电信息采集系统需不断采集海量的用电信息数据，因此实时的对用电信息采集系统运行状态进行预测评估，将...
【技术保护点】
1.一种电力信息采集系统运行状态的预测评估方法，其特征在于，所述方法包括以下步骤：/n采集布置于各个地点的电网数据信息；/n根据电网实际情况对已有电网数据以及采集的电网数据信息进行标注处理，对标注的不同数据赋予不同权重；/n利用深度残差网络Resnet-50融合多尺度卷积网络，从标注数据集中提取多尺度用电信息特征向量；/n将提取的特征向量输入预测模型，所述预测模型为结合了BiLSTM和Attention网络的模型，根据所述预测模型输出的状态预测结果及其得分，评估电力信息采集系统的运行状态。/n
【技术特征摘要】
1.一种电力信息采集系统运行状态的预测评估方法，其特征在于，所述方法包括以下步骤：
采集布置于各个地点的电网数据信息；
根据电网实际情况对已有电网数据以及采集的电网数据信息进行标注处理，对标注的不同数据赋予不同权重；
利用深度残差网络Resnet-50融合多尺度卷积网络，从标注数据集中提取多尺度用电信息特征向量；
将提取的特征向量输入预测模型，所述预测模型为结合了BiLSTM和Attention网络的模型，根据所述预测模型输出的状态预测结果及其得分，评估电力信息采集系统的运行状态。
2.根据权利要求1所述的电力信息采集系统运行状态的预测评估方法，其特征在于，所述根据电网实际情况对已有电网数据以及采集的电网数据信息进行标注处理，对标注的不同数据赋予不同权重包括：
根据电网内已有的用电数据信息，标出其对应的标签状态及对应状态所对应的评估，形成最初的参与训练的数据集；
对于采集的电网数据信息，随机将所采集数据的一部分送入后台数据库并进行标注，并将由此产生的新的数据集投入到训练数据集中去，同时赋予新数据集权重a，旧数据权重其中n是所增新数据的次数，m表示当前数据是新增的第几批数据，旧数据为新数据集投入之前所用的训练数据集。
3.根据权利要求1所述的电力信息采集系统运行状态的预测评估方法，其特征在于，所述多尺度卷积网络是一个并行多分支的网络，包括四个并行的分支结构，卷积核分别是1x1卷积，3x3卷积，5x5卷积，7x7卷积。
4.根据权利要求1所述的电力信息采集系统运行状态的预测评估方法，其特征在于，所述多尺度卷积网络是一个并行多分支的网络，包括四个并行的分支结构，分别是1x1卷积，3x3卷积，2个3x3卷积，3个3x3卷积。
5.根据权利要求1所述的电力信息采集系统运行状态的预测评估方法，其特征在于，所述多尺度卷积网络是一个并行多分支的网络，包括四个并行的分支结构，分别是1x1卷积，3x3卷积，1个3x3卷积加一组3x1和1x3卷积，2个3x3卷积加一组3x1和1x3卷积。
6.根据权利要求1所述的电力信息采集系统运行状态的预测评估方法，其特征在于，所述预测模型根据输入的数据[AK(t)，AK(t-1)，...，AK(t-p+1)]，预测下一个时间步A^K(t+1)的值，其中k表示该次序列，t表示时刻，p表示对应时间步与预测时间步之间的距离；
Attention网络在实际模型训练预测任务中的主要公式如下：
St+1＝f(St-1，yt-1，ct)
其中，St是解码出来后在t时刻状态的输出，S...
【专利技术属性】
技术研发人员：李东辉，俞俊，许明杰，王召，汤敬，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。