一种电网业务数据的预测方法及系统技术方案

本发明专利技术公开了一种基于电网业务数据的预测方法及系统，获取待预测区域的电网业务数据，输入到预先训练好的包含循环的机器学习预测模型，输出该区域的电网预测数据；包含循环的机器学习预测模型的构建，包括：根据电网业务预测需求从预先构建的机器学习算法框架中选择运算节点构建机器学习预测模型；根据业务预测需求设置循环控制信息，确定属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息，根据运算节点信息、循环控制方式信息和循环控制条件信息确定包含循环的机器学习预测模型。优点：为需要循环执行的训练任务提供支持和控制，降低模型训练成本，提高人工智能应用研发效率，加快电网调控领域应用的落地实施。实施。实施。

【技术实现步骤摘要】
一种电网业务数据的预测方法及系统


[0001]本专利技术涉及一种电网业务数据的预测方法及系统，属于电力调控


技术介绍

[0002]随着人工智能技术的迅速发展，其在电力系统自动化领域的研究和应用也取得了一定的成果，并得到了广泛的应用。但是现有成熟的机器学习模型训练任务流程框架，不能很好的支持流程较为复杂的模型训练任务，尤其是不支持针对样本数据分组循环执行来训练模型的业务场景，进而增加了模型训练的成本和过拟合风险，严重影响了模型准确率的提升和预测表现。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种电网业务数据的预测方法及系统。
[0004]为解决上述技术问题，本专利技术提供一种基于电网业务数据的预测方法，包括：获取待预测区域的电网业务数据，输入到预先训练好的包含循环的机器学习预测模型，输出该区域的电网预测数据；所述包含循环的机器学习预测模型的构建，包括：获取电网业务数据的电网业务预测需求；根据电网业务预测需求从预先构建的机器学习算法框架中选择运算节点构建机器学习预测模型；根据业务预测需求设置循环控制信息，对循环控制信息进行解析，确定属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息，将属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息输入到构建的机器学习预测模型，得到包含循环的机器学习预测模型。
[0005]进一步的，所述包含循环的机器学习预测模型的训练，包括：根据电网业务需求，从电网调控系统中提取训练所需要的样本数据；对样本数据进行预处理，得到预处理后数据，所述预处理包括：数据清洗和数据变换；设置每个运算节点对应的参数，生成json格式的抽象化过程描述结构，抽象化过程描述结构的基本格式flow_info包括节点关系信息edges、运算节点信息nodes和循环控制信息combos；其中，节点关系信息edges中，每条边的结构包括来源节点编号、来源节点是否存在前序节点、来源节点类型、前序节点类型名称、目标节点编号、目标节点类型、目标节点是否存在前序节点、目标节点类型名称；运算节点信息nodes中，每个运算节点信息包括节点编号、节点名称、节点类型、节点执行所需的参数、机器学习算法名称，以及机器学习算法节点可执行程序所在的路径；循环控制信息combos包括需要循环执行的运算节点信息，每个循环节点信息包括循环框编号、节点ID、元素类型和节点嵌套深度；
将样本数据输入到已设置每个运算节点对应的参数的包含循环的机器学习预测模型，按照运算节点的运算序列进行处理，通过解析抽象化过程描述结构确定循环控制信息，根据循环控制信息确定属于该循环的运算节点、循环控制方式和循环控制条件；根据循环控制方式和循环控制条件循环调用相应运算节点对应的运算程序，完成包含循环的机器学习预测模型的训练。
[0006]进一步的，所述根据循环控制方式和循环控制条件循环调用相应运算节点对应的运算程序，包括：解析json格式的抽象化过程描述结构，根据解析结果获得运算节点间关系；根据运算节点间关系判断此运算节点是否是循环控制节点；如果不是循环控制节点，则执行此运算节点；如果是循环控制节点，则判断循环方式和循环条件是否正确设置；如果已正确设置，则依据循环方式、循环条件以及预先设置的训练集执行此循环控制节点控制下的运算节点，直到最后一次循环结束，完成包含循环的机器学习预测模型的训练；如果未正确设置，则结束执行，等待用户重新设置循环方式和循环条件。
[0007]进一步的，所述依据循环方式和循环条件执行此循环控制节点下的运算节点，包括：从循环控制节点控制下的第一个运算节点开始依次执行，直到循环结束节点执行后，输出第一轮结果，返回第一个运算节点开始第二轮运算，直到达到预设的循环次数；每次循环的输入为预先设置的一组电网业务数据，每次循环的输出为更新后的机器学习预测模型。
[0008]一种电网业务数据的预测系统，包括：获取模块，用于获取待预测区域的电网业务数据；处理模块，用于将待预测区域的电网业务数据输入到预先训练好的包含循环的机器学习预测模型，输出该区域的电网预测数据；所述处理模块包括：模型构建单元，用于获取电网业务数据的电网业务预测需求；根据电网业务预测需求从预先构建的机器学习算法框架中选择运算节点构建机器学习预测模型；根据业务预测需求设置循环控制信息，对循环控制信息进行解析，确定属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息，将属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息输入到构建的机器学习预测模型，得到包含循环的机器学习预测模型。
[0009]进一步的，所述处理模块包括：训练单元，用于根据电网业务需求，从电网调控系统中提取训练所需要的样本数据；对样本数据进行预处理，得到预处理后数据，所述预处理包括：数据清洗和数据变换；设置每个运算节点对应的参数，生成json格式的抽象化过程描述结构，抽象化过程描述结构的基本格式flow_info包括节点关系信息edges、运算节点信息nodes和循环控制信息combos；其中，节点关系信息edges中，每条边的结构包括来源节点编号、来源节点是否存在前序节点、来源节点类型、前序节点类型名称、目标节点编号、目标节点类型、目标节点是否存在前序节点、目标节点类型名称；运算节点信息nodes中，每个运算节点信息包括节点编号、节点名称、节点类型、节点执行所需的参数、机器学习算法名称，以及机器学习算法节点可执行程序所在的路径；循环控制信息combos包括需要循环执行的运算节点信息，每个循环节点信息包括
循环框编号、节点ID、元素类型和节点嵌套深度；将样本数据输入到已设置每个运算节点对应的参数的包含循环的机器学习预测模型，按照运算节点的运算序列进行处理，通过解析抽象化过程描述结构确定循环控制信息，根据循环控制信息确定属于该循环的运算节点、循环控制方式和循环控制条件；根据循环控制方式和循环控制条件循环调用相应运算节点对应的运算程序，完成包含循环的机器学习预测模型的训练。
[0010]进一步的，所述训练单元，用于解析json格式的抽象化过程描述结构，根据解析结果获得运算节点间关系；根据运算节点间关系判断此运算节点是否是循环控制节点；如果不是循环控制节点，则执行此运算节点；如果是循环控制节点，则判断循环方式和循环条件是否正确设置；如果已正确设置，则依据循环方式、循环条件以及预先设置的训练集执行此循环控制节点控制下的运算节点，直到最后一次循环结束，完成包含循环的机器学习预测模型的训练；如果未正确设置，则结束执行，等待用户重新设置循环方式和循环条件。
[0011]进一步的，所述训练单元，用于从循环控制节点控制下的第一个运算节点开始依次执行，直到循环结束节点执行后，输出第一轮结果，返回第一个运算节点开始第二轮运算，直到达到预设的循环次数；每次循环的输入为预先设置的一组电网业务数据，每次循环的输出为更新后的机器学习预测模型。
[0012]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电网业务数据的预测方法，其特征在于，包括：获取待预测区域的电网业务数据，输入到预先训练好的包含循环的机器学习预测模型，输出该区域的电网预测数据；所述包含循环的机器学习预测模型的构建，包括：获取电网业务数据的电网业务预测需求；根据电网业务预测需求从预先构建的机器学习算法框架中选择运算节点构建机器学习预测模型；根据业务预测需求设置循环控制信息，对循环控制信息进行解析，确定属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息，将属于该循环的运算节点信息、循环控制方式信息和循环控制条件信息输入到构建的机器学习预测模型，得到包含循环的机器学习预测模型。2.根据权利要求1所述的电网业务数据的预测方法，其特征在于，所述包含循环的机器学习预测模型的训练，包括：根据电网业务需求，从电网调控系统中提取训练所需要的样本数据；对样本数据进行预处理，得到预处理后数据，所述预处理包括：数据清洗和数据变换；设置每个运算节点对应的参数，生成json格式的抽象化过程描述结构，抽象化过程描述结构的基本格式flow_info包括节点关系信息edges、运算节点信息nodes和循环控制信息combos；其中，节点关系信息edges中，每条边的结构包括来源节点编号、来源节点是否存在前序节点、来源节点类型、前序节点类型名称、目标节点编号、目标节点类型、目标节点是否存在前序节点、目标节点类型名称；运算节点信息nodes中，每个运算节点信息包括节点编号、节点名称、节点类型、节点执行所需的参数、机器学习算法名称，以及机器学习算法节点可执行程序所在的路径；循环控制信息combos包括需要循环执行的运算节点信息，每个循环节点信息包括循环框编号、节点ID、元素类型和节点嵌套深度；将样本数据输入到已设置每个运算节点对应的参数的包含循环的机器学习预测模型，按照运算节点的运算序列进行处理，通过解析抽象化过程描述结构确定循环控制信息，根据循环控制信息确定属于该循环的运算节点、循环控制方式和循环控制条件；根据循环控制方式和循环控制条件循环调用相应运算节点对应的运算程序，完成包含循环的机器学习预测模型的训练。3.根据权利要求2所述的电网业务数据的预测方法，其特征在于，所述根据循环控制方式和循环控制条件循环调用相应运算节点对应的运算程序，包括：解析json格式的抽象化过程描述结构，根据解析结果获得运算节点间关系；根据运算节点间关系判断此运算节点是否是循环控制节点；如果不是循环控制节点，则执行此运算节点；如果是循环控制节点，则判断循环方式和循环条件是否正确设置；如果已正确设置，则依据循环方式、循环条件以及预先设置的训练集执行此循环控制节点控制下的运算节点，直到最后一次循环结束，完成包含循环的机器学习预测模型的训练；如果未正确设置，则结束执行，等待用户重新设置循环方式和循环条件。4.根据权利要求3所述的电网业务数据的预测方法，其特征在于，所述依据循环方式和循环条件执行此循环控制节点下的运算节点，包括：从循环控制节点控制下的第一个运算节点开始依次执行，直到循环结束节点执行后，
输出第一轮结果，返回第一个运算节点开始第二轮运算，直到达到预设的循环次数；每次循环的输入为预先设置的一组电网业务数据，每次循环的输出为更新后的机器学习预测模型。5.一种电网业务数据的预测系统，其特征在于，包括：获取模块，用于获取待预测区域的电网业务数据；处理模块，用于将待预测区域的电网业务数据输入到预先训练好的包含循环的机器学习预测模...

【专利技术属性】
技术研发人员：杨立波，劳莹莹，马斌，李一鹏，栗维勋，袁龙，季学纯，李昊，季堃，高尚，沈嘉灵，王宇冬，徐丽燕，陈子韵，孔彦茹，李慧辉，
申请(专利权)人：国网电力科学研究院有限公司国网河北省电力有限公司国家电网有限公司，
类型：发明
国别省市：