一种基于数据驱动的配电网投资决策系统技术方案

本发明专利技术公开了一种基于数据驱动的配电网投资决策系统，数据收集模块与数据预处理模块相连，数据预处理模块连接有训练模块，训练模块连接有迁移学习模块，迁移学习模块连接有投资模型构建模块，投资模型构建模块连接有求解模块。本发明专利技术的数据收集模块进行数据收集，通过数据预处理模块进行处理获得原样本数据集，利用原样本数据集、训练模块和迁移学习模块进行迁移学习并构建深度学习网络，利用目标电网样本数据集进行训练，通过投资模型构建模块获得配电网投资效益模型，最后基于投资效益模型构建投资规划决策模型，通过深度学习网络进行训练得到配电网投资效益模型，与传统机理性建模相比更加高效且适应性更强，拟合精度更高。拟合精度更高。拟合精度更高。

【技术实现步骤摘要】
一种基于数据驱动的配电网投资决策系统


[0001]本专利技术涉及配电网
，尤其是涉及一种基于数据驱动的配电网投资决策系统。

技术介绍

[0002]大数据时代下，数据已经成为管理的最有力抓手。当前供电企业管理还存在统计数据失真、数据利用不充分、跨部门数据不匹配等问题，亟需依托全口径全过程项目管理系统建设成果，以配网项目为切入点，积极开展发展、基建、财务跨部门数据联合分析。电网投资作为增量配电业务开放和输配电价定价的关键变量，迫切要求电网公司实施精细化投资管理，提高投资有效性，全方位实时管控，提前发现管理隐患，防止过度投资、重复投资和无效低效投资，提升投人产出效益，拓展企业新盈利模式。另一方面，随着公司内外部管理要求的不断提高，深入研究创新投资能力提升方法，健全投资项目管理条线，细化业务目标，实时动态监控项目执行进度及存在隐患，推动投资项目执行到位。因此，公司迫切需要进行管理创新，研究并建立基于数据驱动的配电网项目投资技术研究及应用，通过构建全方位、全口径管理模式，严控项目执行进度。
[0003]目前，配电网规划投资决策方案主要分为方案评估法和优化建模法两类。方案评估法首先对配电网项目属性进行投资效益评价，然后基于评价结果确定规划方案，其中配电网投资效益评价是该方法的关键。但通常缺乏对投资效益关系的深入分析，评价结果主观性较强，难以为配电网投资决策提供精确客观依据。优化建模法一般以配电网投资成本最低或可靠性提升为目标，综合考虑配电网各要素，对规划投资效益进行机理性分析，建立优化模型，并通过求解获取规划投资决策方案。相较于方案评估法，优化建模法能够获取更加准确有效的配电网规划投资决策方案，逐渐受到关注。然而随着配电网朝着智能化与互动化方向发展，配电网规划要素与不确定因素愈发复杂，优化建模法机理性分析过程需要进行大量的潮流计算与不确定性分析，使得该类方法难以精确高效地建立配电网规划投资模型。除此之外，这类方法对配电网规划环境的适应性较低，当配电网中出现新的规划要素与不确定性因素时往往需要重新建模，难以有效应对配电网快速变化的发展趋势。

技术实现思路

[0004]本专利技术是为了克服现有技术的优化建模法难以精确高效地建立配电网规划投资模型和对配电网规划环境的适应性较低的问题，提供一种基于数据驱动的配电网投资决策系统。
[0005]为了实现上述目的，本专利技术采用以下技术方案：
[0006]一种基于数据驱动的配电网投资决策系统，包括数据收集模块与数据预处理模块，所述数据收集模块与数据预处理模块相连，所述数据预处理模块连接有训练模块，所述训练模块连接有迁移学习模块，所述迁移学习模块连接有投资模型构建模块，所述投资模型构建模块连接有求解模块。本专利技术的一种基于数据驱动的配电网投资决策系统，数据收
集模块进行数据收集，通过数据预处理模块进行处理获得原样本数据集，然后利用原样本数据集、训练模块和迁移学习模块进行迁移学习并构建深度学习网络，利用目标电网样本数据集进行训练，通过投资模型构建模块获得配电网投资效益模型，最后基于投资效益模型构建投资规划决策模型，求解模块利用遗传算法进行求解得到规划投资方案，本专利技术通过深度学习网络进行训练得到配电网投资效益模型，与传统机理性建模相比更加高效且适应性更强，拟合精度更高。
[0007]作为本专利技术的优选方案，所述数据收集模块收集各个配电网规划数据，形成数据样本集。
[0008]作为本专利技术的优选方案，所述数据预处理模块利用数据样本集进行关联度分析，得到各效益指标的主因素，各效益指标的主因素构成原始样本集，并分析筛选出与目标数据样本分布式相似的数据样本构成源数据样本集。
[0009]作为本专利技术的优选方案，所述训练模块基于深度稀疏自动编码器dsae与逻辑回归层lr组合的深度学习模型，根据源数据样本集对dsae网络进行训练得到该dsae网络的权值与权值。
[0010]作为本专利技术的优选方案，所述迁移学习模块对dsae网络的权值与权值进行二阶段迁移学习与训练，得到迁移训练后的dsae网络。
[0011]作为本专利技术的优选方案，所述投资模型构建模块根据迁移训练后的dsae网络与逻辑回归层lr进行组合构建新的深度学习模型，以原始样本集作为输入对深度学习模型进行训练获取配电网投资效益模型，基于配电网投资效益模型构建配电网投资规划决策模型。
[0012]作为本专利技术的优选方案，所述求解模块利用遗传算法对配电网投资规划决策模型进行求解得到配电网投资规划方案。
[0013]作为本专利技术的优选方案，所述系统还包括数据存储模块，所述数据存储模块对所述数据收集模块、数据预处理模块、训练模块、迁移学习模块、投资模型构建模块和求解模块所产生的数据进行存储。
[0014]因此，本专利技术具有以下有益效果：本专利技术的一种基于数据驱动的配电网投资决策系统，数据收集模块进行数据收集，通过数据预处理模块进行处理获得原样本数据集，然后利用原样本数据集、训练模块和迁移学习模块进行迁移学习并构建深度学习网络，利用目标电网样本数据集进行训练，通过投资模型构建模块获得配电网投资效益模型，最后基于投资效益模型构建投资规划决策模型，求解模块利用遗传算法进行求解得到规划投资方案，本专利技术通过深度学习网络进行训练得到配电网投资效益模型，与传统机理性建模相比更加高效且适应性更强，拟合精度更高。
附图说明
[0015]图1是本专利技术的系统结构示意图。
具体实施方式
[0016]下面结合附图与具体实施方式对本专利技术做进一步的描述。
[0017]如图1所示，一种基于数据驱动的配电网投资决策系统，包括数据收集模块与数据预处理模块，数据收集模块与数据预处理模块相连，数据预处理模块连接有训练模块，训练
模块连接有迁移学习模块，迁移学习模块连接有投资模型构建模块，投资模型构建模块连接有求解模块。本专利技术的一种基于数据驱动的配电网投资决策系统，数据收集模块进行数据收集，通过数据预处理模块进行处理获得原样本数据集，然后利用原样本数据集、训练模块和迁移学习模块进行迁移学习并构建深度学习网络，利用目标电网样本数据集进行训练，通过投资模型构建模块获得配电网投资效益模型，最后基于投资效益模型构建投资规划决策模型，求解模块利用遗传算法进行求解得到规划投资方案，本专利技术通过深度学习网络进行训练得到配电网投资效益模型，与传统机理性建模相比更加高效且适应性更强，拟合精度更高。
[0018]数据收集模块收集各个配电网规划数据，形成数据样本集。
[0019]选取合理的指标量化评价配电网效益，投资与环境因素是建立配电网规划投资决策模型的前提，其中规划投资效益的分析尤为关键。配电网投资的效益主要体现在技术、经济与环境3个方面。技术效益的提升主要表现为供电可靠率与综合电压合格率的提高，如系统平均停电频率与用户平均停电时间受到关注；经济效益的提升主要表现为网损率的降低与设备利用率的提高；环境效益的提升主要表现为清洁能源消纳率以及对电动汽车的承载水平的提高。
[0020]本专利技术的构建配电网规划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的配电网投资决策系统，其特征是，包括数据收集模块与数据预处理模块，所述数据收集模块与数据预处理模块相连，所述数据预处理模块连接有训练模块，所述训练模块连接有迁移学习模块，所述迁移学习模块连接有投资模型构建模块，所述投资模型构建模块连接有求解模块。2.根据权利要求1所述的一种基于数据驱动的配电网投资决策系统，其特征是，所述数据收集模块收集各个配电网规划数据，形成数据样本集。3.根据权利要求2所述的一种基于数据驱动的配电网投资决策系统，其特征是，所述数据预处理模块利用数据样本集进行关联度分析，得到各效益指标的主因素，各效益指标的主因素构成原始样本集，并分析筛选出与目标数据样本分布式相似的数据样本构成源数据样本集。4.根据权利要求1所述的一种基于数据驱动的配电网投资决策系统，其特征是，所述训练模块基于深度稀疏自动编码器dsae与逻辑回归层lr组合的深度学习模型，根据源数据样本集对dsae网络进行训练得到该dsae网络的权值与权值。5.根据...

【专利技术属性】
技术研发人员：顾海松，吴军，薛龙江，朱悦人，栾伊斌，沈红峰，陈超，龚利武，吴韬，张炜，钱伟杰，顾一星，唐勇健，徐克，胡雷剑，李子涵，姚强，
申请(专利权)人：国网浙江省电力有限公司国网浙江省电力有限公司嘉兴供电公司平湖市通用电气安装有限公司，
类型：发明
国别省市：