负荷功率检测模型训练方法及负荷功率检测方法技术

本发明专利技术提供一种负荷功率检测模型训练方法及负荷功率检测方法，该方法涉及电力技术领域，包括：获取电力系统的负荷功率数据集；负荷功率数据集包括至少一个数据序列；数据序列包括历史负荷功率数据、当前负荷功率数据及未来负荷功率数据；基于负荷功率数据集，对初始教师网络模型进行训练，得到目标教师网络模型；基于历史负荷功率数据和当前负荷功率数据，对初始学生网络模型进行训练，得到第一学生网络模型；基于目标教师网络模型和第一学生网络模型，采用双知识蒸馏的方式对第一学生网络模型进行更新，确定负荷功率检测模型。本发明专利技术提供的方法，提升了负荷功率检测模型的性能，提升了待检测负荷功率数据检测的准确性。了待检测负荷功率数据检测的准确性。了待检测负荷功率数据检测的准确性。

【技术实现步骤摘要】
负荷功率检测模型训练方法及负荷功率检测方法


[0001]本专利技术涉及电力系统
，尤其涉及一种负荷功率检测模型训练方法及负荷功率检测方法。

技术介绍

[0002]负荷功率数据对电力系统有十分重要的价值，是电力系统营销、规划、调度和计划等部门决策时的重要依据，但实际数据可能因为偷电、漏电或现实中的复杂因素导致数据存在波动及异常，而负荷功率异常实时检测是提高电力系统鲁棒性及稳定性的重要措施，能够有效地帮助电力企业以及电网进行安全运行生产和预测调度等。
[0003]传统负荷功率异常检测方法为基于状态估计的异常值检测方法，常见的有残差搜索检测、非二次准则检测以及估识检测，但这些方法存在计算复杂、漏检以及残差淹没的现象。随着机器学习模型的兴起，利用深度学习模型进行负荷功率异常检测逐渐成为一种主流的方式。例如基于自编码器和生成对抗网络的方法、基于深度波尔兹曼机的方法、基于降噪自编码器的方法、基于循环神经网络的方法以及基于长短型记忆神经网络的方法等。
[0004]然而，这些方法需要大量的完整带标签数据支撑，并且只能对已获取到的历史数据和当前的待检测数据进行检测，使得对负荷功率异常值的检测带来困难，导致无法准确预测负荷功率数据未来的变化情况。

技术实现思路

[0005]本专利技术提供一种负荷功率检测模型训练方法及负荷功率检测方法，用以解决现有技术中无法准确预测负荷功率数据未来的变化情况的缺陷，实现对负荷功率数据未来的变化情况的准确预测。
[0006]本专利技术提供一种负荷功率检测模型训练方法，包括：
[0007]获取电力系统的负荷功率数据集；所述负荷功率数据集包括至少一个数据序列；所述数据序列包括历史负荷功率数据、当前负荷功率数据及未来负荷功率数据；
[0008]基于所述负荷功率数据集，对初始教师网络模型进行训练，得到目标教师网络模型；
[0009]基于所述历史负荷功率数据和所述当前负荷功率数据，对初始学生网络模型进行训练，得到第一学生网络模型；
[0010]基于所述目标教师网络模型和所述第一学生网络模型，采用双知识蒸馏的方式对所述第一学生网络模型进行更新，确定负荷功率检测模型；所述负荷功率检测模型是基于更新后的第一学生网络模型确定的，用于对待检测负荷功率数据进行检测，以判断待检测负荷功率数据的变化情况。
[0011]根据本专利技术提供的一种负荷功率检测模型训练方法，所述基于所述目标教师网络模型和所述第一学生网络模型，采用双知识蒸馏方式对所述第一学生网络模型进行更新，确定负荷功率检测模型，包括：
[0012]基于所述目标教师网络模型和所述第一学生网络模型，采用第一知识蒸馏方式对所述第一学生网络模型进行训练，确定所述第一学生网络模型对应的第一优化参数；
[0013]基于所述第一优化参数，更新所述第一学生网络模型，得到第二学生网络模型；
[0014]基于所述第二学生网络模型和所述目标教师网络模型，采用第二知识蒸馏方式对所述第二学生网络模型进行训练，确定所述负荷功率检测模型。
[0015]根据本专利技术提供的一种负荷功率检测模型训练方法，所述确定所述第一学生网络模型对应的第一优化参数，包括：
[0016]基于所述目标教师网络模型的第一参数、所述第一学生网络模型的第二参数和所述第一学生网络模型中引导层对应的初始化参数，分别计算第一损失值；
[0017]基于各所述第一损失值，确定所述第一学生网络模型对应的第一优化参数。
[0018]根据本专利技术提供的一种负荷功率检测模型训练方法，所述采用第二知识蒸馏方式对所述第二学生网络模型进行训练，确定所述负荷功率检测模型，包括：
[0019]确定所述第二学生网络模型的目标优化参数；
[0020]基于所述目标优化参数，更新所述第二学生网络模型，得到所述负荷功率检测模型。
[0021]根据本专利技术提供的一种负荷功率检测模型训练方法，所述确定所述第二学生网络模型的目标优化参数，包括：
[0022]基于在所述第二学生网络模型训练过程中得到的至少一个输出概率和所述目标教师网络模型的输出概率，分别计算交叉熵损失值；
[0023]基于各所述交叉熵损失值，确定所述第二学生网络模型的目标优化参数。
[0024]第二方面，本专利技术还提供一种负荷功率检测方法，包括：
[0025]获取待检测负荷功率数据；
[0026]将所述待检测负荷功率数据输入至负荷功率检测模型，得到所述负荷功率检测模型输出的检测结果；所述负荷功率检测模型是基于上述任一种方式中所述的负荷功率检测模型训练方法训练得到的。
[0027]本专利技术还提供一种负荷功率检测模型训练装置，包括：
[0028]第一获取模块，用于获取电力系统的负荷功率数据集；所述负荷功率数据集包括至少一个数据序列；所述数据序列包括历史负荷功率数据、当前负荷功率数据及未来负荷功率数据；
[0029]第一训练模块，用于基于所述负荷功率数据集，对初始教师网络模型进行训练，得到目标教师网络模型；
[0030]第二训练模块，用于基于所述历史负荷功率数据和所述当前负荷功率数据，对初始学生网络模型进行训练，得到第一学生网络模型；
[0031]更新模块，用于基于所述目标教师网络模型和所述第一学生网络模型，采用双知识蒸馏的方式对所述第一学生网络模型进行更新，确定负荷功率检测模型；所述负荷功率检测模型是基于更新后的第一学生网络模型确定的，用于对待检测负荷功率数据进行检测，以判断所述待检测负荷功率数据的变化情况。
[0032]本专利技术还提供一种负荷功率检测装置，包括：
[0033]第二获取模块，用于获取待检测负荷功率数据；
[0034]检测模块，用于将所述待检测负荷功率数据输入至负荷功率检测模型，得到所述负荷功率检测模型输出的检测结果；所述负荷功率检测模型是基于上述任一种方式中所述的负荷功率检测模型训练方法训练得到的。
[0035]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述负荷功率检测模型训练方法或者所述负荷功率检测方法。
[0036]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述负荷功率检测模型训练方法或者所述负荷功率检测方法。
[0037]本专利技术提供的负荷功率检测模型训练方法及负荷功率检测方法，通过获取电力系统的负荷功率数据集；负荷功率数据集包括至少一个数据序列；数据序列包括历史负荷功率数据、当前负荷功率数据及未来负荷功率数据；根据负荷功率数据集中的历史负荷功率数据、当前负荷功率数据及未来负荷功率数据，对初始教师网络模型进行训练，得到目标教师网络模型；再根据负荷功率数据集中的历史负荷功率数据和当前负荷功率数据，对初始学生网络模型进行训练，得到第一学生网络模型；再根据得到的目标教师网络模型和第一学生网络模型，采用双知识蒸馏的方式对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷功率检测模型训练方法，其特征在于，包括：获取电力系统的负荷功率数据集；所述负荷功率数据集包括至少一个数据序列；所述数据序列包括历史负荷功率数据、当前负荷功率数据及未来负荷功率数据；基于所述负荷功率数据集，对初始教师网络模型进行训练，得到目标教师网络模型；基于所述历史负荷功率数据和所述当前负荷功率数据，对初始学生网络模型进行训练，得到第一学生网络模型；基于所述目标教师网络模型和所述第一学生网络模型，采用双知识蒸馏的方式对所述第一学生网络模型进行更新，确定负荷功率检测模型；所述负荷功率检测模型是基于更新后的第一学生网络模型确定的，用于对待检测负荷功率数据进行检测，以判断待检测负荷功率数据的变化情况。2.根据权利要求1所述的负荷功率检测模型训练方法，其特征在于，所述基于所述目标教师网络模型和所述第一学生网络模型，采用双知识蒸馏方式对所述第一学生网络模型进行更新，确定负荷功率检测模型，包括：基于所述目标教师网络模型和所述第一学生网络模型，采用第一知识蒸馏方式对所述第一学生网络模型进行训练，确定所述第一学生网络模型对应的第一优化参数；基于所述第一优化参数，更新所述第一学生网络模型，得到第二学生网络模型；基于所述第二学生网络模型和所述目标教师网络模型，采用第二知识蒸馏方式对所述第二学生网络模型进行训练，确定所述负荷功率检测模型。3.根据权利要求2所述的负荷功率检测模型训练方法，其特征在于，所述确定所述第一学生网络模型对应的第一优化参数，包括：基于所述目标教师网络模型的第一参数、所述第一学生网络模型的第二参数和所述第一学生网络模型中引导层对应的初始化参数，分别计算第一损失值；基于各所述第一损失值，确定所述第一学生网络模型对应的第一优化参数。4.根据权利要求2所述的负荷功率检测模型训练方法，其特征在于，所述采用第二知识蒸馏方式对所述第二学生网络模型进行训练，确定所述负荷功率检测模型，包括：确定所述第二学生网络模型的目标优化参数；基于所述目标优化参数，更新所述第二学生网络模型，得到所述负荷功率检测模型。5.根据权利要求4所述的负荷功率检测模型训练方法，其特征在于，所述确定所述第二学生网络模型的目标优化参数，包括：基于在...

【专利技术属性】
技术研发人员：王莉，费爱国，徐连明，王鹏飞，石一鹭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：