一种基于DNN的配网网格动态资源规划方法和装置制造方法及图纸

本发明专利技术涉及用电规划技术领域，揭露了一种基于DNN的配网网格动态资源规划方法，包括：获取待配电区域的历史配电数据，从历史配电数据提取出标准配电网格数据和标准配电资源数据；根据标准配电网格数据对待配电区域划分成配电网格区域组；按照配电网格区域组将标准配电资源数据划分成网格配电资源数据组，生成网格配电资源数据组的网格时序配电数据序列；利用网格时序配电数据序列将初级网格配电模型训练成标准网格配电模型；获取待配电区域的实时用电数据，利用所有的标准网格配电模型和实时用电数据对待配电区域进行供电调整。本发明专利技术还提出一种基于DNN的配网网格动态资源规划装置。本发明专利技术可以提高配电网格资源规划时的灵活性。性。性。

【技术实现步骤摘要】
一种基于DNN的配网网格动态资源规划方法和装置


[0001]本专利技术涉及用电规划
，尤其涉及一种基于DNN的配网网格动态资源规划方法和装置。

技术介绍

[0002]配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网结构，为了方便对配电网进行统一管理，提高配电效率，需要对配电网进行网格划分，并为每个配电网格进行电力资源规划。
[0003]现有的配电网格资源规划方法多为基于固定的供电区域实现配电网格划分，并根据配电网格的负载平均值进行电力资源规划，实际过程中，基于固定的供电区域实现配电网格划分可能会导致配电网格过大，缺乏灵活性，且根据配电网格的负载平均值进行电力资源规划无法满足季节周期变化造成的供电需求变化，从而可能会导致进行配电网格资源规划时的灵活性较差。

技术实现思路

[0004]本专利技术提供一种基于DNN的配网网格动态资源规划方法和装置，其主要目的在于解决进行配电网格资源规划时的灵活性较差的问题。
[0005]为实现上述目的，本专利技术提供的一种基于DNN的配网网格动态资源规划方法，包括：获取待配电区域的历史配电数据，将所述历史配电数据划分为历史配电网格数据以及历史配电资源数据，将所述历史配电网格数据清洗成标准配电网格数据，将所述历史配电资源数据清洗成标准配电资源数据；按照供电单元将所述标准配电网格数据划分成多个单元配电网格数据，逐个提取出所述单元配电网格数据的单元分区特征，根据所有的单元分区特征对所述待配电区域进行网格划分，得到多个配电网格区域，并将所有的配电网格区域汇集成配电网格区域组，其中，所述根据所有的单元分区特征对所述待配电区域进行网格划分，得到多个配电网格区域，包括：将所有的单元分区特征拆分成多个单元分区特征组，并为各个单元分区特征组随机筛选出初级单元分区中心特征；利用如下的单元特征匹配度算法计算出各个初级单元分区中心特征与各个单元分区特征之间的单元特征匹配度：其中，是指所述单元特征匹配度，是指第个，是指所述初级单元分区中心特征的总维度，且所述初级单元分区中心特征的总维度与所述单元分区特征的总维度相同，是指所述初级单元分区中心特征中的第维特征，指所述单元分区特征中的第维特征，是指所述初级单元分区中心特征中的单元位置特征的横坐标，是指所述单元分区
特征中的单元位置特征的横坐标，是指所述初级单元分区中心特征中的单元位置特征的纵坐标，是指所述单元分区特征中的单元位置特征的纵坐标；根据所述单元特征匹配度重新对所有的单元分区特征进行分组，得到多个次级单元分区特征组；计算出各个次级单元分区特征组对应的次级单元分区中心特征，并计算出各个次级单元分区中心特征与对应的所述初级单元分区中心特征之间的中心特征匹配度；根据所有的中心特征匹配度将各个次级单元分区特征组迭代更新成单元分区特征类，并根据各个单元分区特征类将所述待配电区域划分成多个初级配电网格区域；逐个对所述初级配电网格区域进行孤立点融合操作，得到配电网格区域；按照所述配电网格区域组将所述标准配电资源数据划分成网格配电资源数据组，逐个选取所述网格配电资源数据组中的网格配电资源数据作为目标网格配电资源数据，利用预设的时域窗口提取出所述目标网格配电资源数据对应的网格时序配电数据序列；分别提取出所述网格时序配电数据序列对应的网格时序配电特征和网格注意力配电特征，将所述网格时序配电特征和所述网格注意力配电特征融合成目标网格配电特征，利用所有的目标网格配电特征和所述网格时序配电数据序列对预设的初级网格配电模型进行训练，得到标准网格配电模型，并将所有的标准网格配电模型汇集成标准网格配电模型集；获取待配电区域的实时用电数据，利用所述标准网格配电模型集分析出所述实时用电数据对应的实时配电数据集，根据所述实时配电数据集对所述待配电区域进行供电调整。
[0006]可选地，所述将所述历史配电网格数据清洗成标准配电网格数据，包括：按照数据种类将所述历史配电网格数据拆分成多个单种类历史配电数据集；逐个选取所述单种类历史配电数据集作为目标种类历史配电数据集，将所述目标种类历史配电数据集对应的数据类型作为目标数据类型，并获取所述目标种类历史配电数据集对应的数据值域；根据所述目标数据类型从所述目标种类历史配电数据集中筛除乱码数据，得到目标种类初级配电数据集；根据所述数据值域从所述目标种类初级配电数据集中筛除越位数据和重复数据，得到目标种类标准配电数据集，并将所有的目标种类标准配电数据集汇集成标准配电网格数据。
[0007]可选地，所述逐个提取出所述单元配电网格数据的单元分区特征，包括：逐个选取所述单元配电网格数据的作为目标单元配电网格数据，从所述目标单元配电网格数据中提取出单元位置数据、单元行政类型数据、单元地理类型数据以及单元用电类型数据；对所述单元位置数据进行坐标系转化，得到单元位置特征，将所述单元行政类型数据词向量化成单元行政特征，将所述单元地理类型数据词向量化成单元地理特征，将所述单元用电类型数据词向量化成单元用电特征；将所述单元位置特征、所述单元行政特征、所述单元地理特征以及所述单元用电特征汇集成所述目标单元配电网格数据的单元分区特征。
[0008]可选地，所述根据所有的中心特征匹配度将各个次级单元分区特征组迭代更新成
单元分区特征类，包括：将所有的中心特征匹配度的平均值作为标准中心特征匹配度，判断所述标准中心特征匹配度是否大于预设的匹配度阈值；若是，则将所述次级单元分区中心特征作为初级单元分区中心特征，并返回所述利用如下的单元特征匹配度算法计算出各个初级单元分区中心特征与各个单元分区特征之间的单元特征匹配度的步骤；若否，则逐个将所述次级单元分区特征组作为单元分区特征类。
[0009]可选地，所述按照所述配电网格区域组将所述标准配电资源数据划分成网格配电资源数据组，包括：逐个选取所述配电网格区域组中的配电网格区域作为目标配电网格区域，将所述标准配电资源数据中与所述目标配电网格区域对应的部分数据作为网格配电资源数据；将所有的网格配电资源数据汇集成网格配电资源数据组。
[0010]可选地，所述利用预设的时域窗口提取出所述目标网格配电资源数据对应的网格时序配电数据序列，包括：按照由远到近的时间顺序对所述目标网格配电资源数据进行排序，得到时序网格配电资源数据；从所述时序网格配电资源数据中提取出数据总时域，利用预设的时域窗口逐帧选取所述数据总时域中对应的窗口周期时域作为目标窗口周期时域；从所述时序网格配电资源数据中提取出所述目标窗口周期时域对应的部分资源数据作为网格时序配电数据，并将所有的网格时序配电数据汇集成网格时序配电数据序列。
[0011]可选地，所述分别提取出所述网格时序配电数据序列对应的网格时序配电特征和网格注意力配电特征，包括：对所述网格时序配电数据序列进行递归卷积，得到短期配电特征；对所述网格时序配电数据序列进行跳转卷积，得到长期配电特征；利用如下的配电特征连接算法对所述短期配电特征和所述长期配电特征进行特征融合，得到时序配电特征：其中，是指第时刻的所述时序配电特征，是所述短期配电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DNN的配网网格动态资源规划方法，其特征在于，所述方法包括：S1：获取待配电区域的历史配电数据，将所述历史配电数据划分为历史配电网格数据以及历史配电资源数据，将所述历史配电网格数据清洗成标准配电网格数据，将所述历史配电资源数据清洗成标准配电资源数据；S2：按照供电单元将所述标准配电网格数据划分成多个单元配电网格数据，逐个提取出所述单元配电网格数据的单元分区特征，根据所有的单元分区特征对所述待配电区域进行网格划分，得到多个配电网格区域，并将所有的配电网格区域汇集成配电网格区域组，其中，所述根据所有的单元分区特征对所述待配电区域进行网格划分，得到多个配电网格区域，包括：S21：将所有的单元分区特征拆分成多个单元分区特征组，并为各个单元分区特征组随机筛选出初级单元分区中心特征；S22：利用如下的单元特征匹配度算法计算出各个初级单元分区中心特征与各个单元分区特征之间的单元特征匹配度：其中，是指所述单元特征匹配度，是指第个，是指所述初级单元分区中心特征的总维度，且所述初级单元分区中心特征的总维度与所述单元分区特征的总维度相同，是指所述初级单元分区中心特征中的第维特征，指所述单元分区特征中的第维特征，是指所述初级单元分区中心特征中的单元位置特征的横坐标，是指所述单元分区特征中的单元位置特征的横坐标，是指所述初级单元分区中心特征中的单元位置特征的纵坐标，是指所述单元分区特征中的单元位置特征的纵坐标；S23：根据所述单元特征匹配度重新对所有的单元分区特征进行分组，得到多个次级单元分区特征组；S24：计算出各个次级单元分区特征组对应的次级单元分区中心特征，并计算出各个次级单元分区中心特征与对应的所述初级单元分区中心特征之间的中心特征匹配度；S25：根据所有的中心特征匹配度将各个次级单元分区特征组迭代更新成单元分区特征类，并根据各个单元分区特征类将所述待配电区域划分成多个初级配电网格区域；S26：逐个对所述初级配电网格区域进行孤立点融合操作，得到配电网格区域；S3：按照所述配电网格区域组将所述标准配电资源数据划分成网格配电资源数据组，逐个选取所述网格配电资源数据组中的网格配电资源数据作为目标网格配电资源数据，利用预设的时域窗口提取出所述目标网格配电资源数据对应的网格时序配电数据序列；S4：分别提取出所述网格时序配电数据序列对应的网格时序配电特征和网格注意力配电特征，将所述网格时序配电特征和所述网格注意力配电特征融合成目标网格配电特征，利用所有的目标网格配电特征和所述网格时序配电数据序列对预设的初级网格配电模型进行训练，得到标准网格配电模型，并将所有的标准网格配电模型汇集成标准网格配电模型集；S5：获取待配电区域的实时用电数据，利用所述标准网格配电模型集分析出所述实时
用电数据对应的实时配电数据集，根据所述实时配电数据集对所述待配电区域进行供电调整。2.如权利要求1所述的基于DNN的配网网格动态资源规划方法，其特征在于，所述将所述历史配电网格数据清洗成标准配电网格数据，包括：按照数据种类将所述历史配电网格数据拆分成多个单种类历史配电数据集；逐个选取所述单种类历史配电数据集作为目标种类历史配电数据集，将所述目标种类历史配电数据集对应的数据类型作为目标数据类型，并获取所述目标种类历史配电数据集对应的数据值域；根据所述目标数据类型从所述目标种类历史配电数据集中筛除乱码数据，得到目标种类初级配电数据集；根据所述数据值域从所述目标种类初级配电数据集中筛除越位数据和重复数据，得到目标种类标准配电数据集，并将所有的目标种类标准配电数据集汇集成标准配电网格数据。3.如权利要求1所述的基于DNN的配网网格动态资源规划方法，其特征在于，所述逐个提取出所述单元配电网格数据的单元分区特征，包括：逐个选取所述单元配电网格数据的作为目标单元配电网格数据，从所述目标单元配电网格数据中提取出单元位置数据、单元行政类型数据、单元地理类型数据以及单元用电类型数据；对所述单元位置数据进行坐标系转化，得到单元位置特征，将所述单元行政类型数据词向量化成单元行政特征，将所述单元地理类型数据词向量化成单元地理特征，将所述单元用电类型数据词向量化成单元用电特征；将所述单元位置特征、所述单元行政特征、所述单元地理特征以及所述单元用电特征汇集成所述目标单元配电网格数据的单元分区特征。4.如权利要求1所述的基于DNN的配网网格动态资源规划方法，其特征在于，所述根据所有的中心特征匹配度将各个次级单元分区特征组迭代更新成单元分区特征类，包括：将所有的中心特征匹配度的平均值作为标准中心特征匹配度，判断所述标准中心特征匹配度是否大于预设的匹配度阈值；若是，则将所述次级单元分区中心特征作为初级单元分区中心特征，并返回所述利用如下的单元特征匹配度算法计算出各个初级单元分区中心特征与各个单元分区特征之间的单元特征匹配度的步骤；若否，则逐个将所述次级单元分区特征组作为单元分区特征类。5.如权利要求1所述的基于DNN的配网网格动态资源规划方法，其特征在于，所述按照所述配电网格区域组将所述标准配电资源数据划分成网格配电资源数据组，包括：逐个选取所述配电网格区域组中的配电网格区域作为目标配电网格区域，将所述标准配电资源数据中与所述目标配电网格区域对应的部分数据作为网格配电资源数据；将所有的网格配电资源数据汇集成网格配电资源数据组。6.如权利要求1所述的基于DNN的配网网格动态资源规划方法，其特征在于，所述利用预设的时域窗口提取出所述目标网格配电资源数据对应的网格时序配电数据序列，包括：按照由远到近的时间顺序对所述目标网格配电资源数...

【专利技术属性】
技术研发人员：姜磊，赵梦，曲滨涛，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：