考虑复杂地理因素的光伏电站的图特征网络选址方法技术

本申请涉及一种考虑复杂地理因素的光伏电站的图特征网络选址方法。所述方法包括：获取目标区域的地图以及所述地图对应的地理信息；基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。采用本方法能够提高光伏电站选址的准确性。准确性。准确性。

【技术实现步骤摘要】
考虑复杂地理因素的光伏电站的图特征网络选址方法


[0001]本申请涉及电力
，特别是涉及一种考虑复杂地理因素的光伏电站的图特征网络选址方法。

技术介绍

[0002]随着新能源的快速发展，光伏电站作为可再生能源的重要代表，在能源领域的地位逐渐提升，在光伏电站建设过程中，选址尤为重要，不但要考虑地理因素(如地形、气候等)对光伏电站发电效率的影响，还要考虑光伏电站是否具备接近电网和高效维护等方面要求，以及周围环境因素(如生态环境)和社会经济因素等。
[0003]传统技术中，采用基于经验和规则的方法以及基于模型的方法进行光伏电站选址。其中，基于经验和规则的方法容易忽略地形地貌等因素，导致选址缺乏准确性和科学性；基于模型的方法则需要大量的训练样本和计算资源，不易处理地理因素的复杂性，难以准确预测光伏电站发电效率，无法应对复杂地理因素下的光伏电站选址问题。
[0004]因此，目前的光伏电站选址技术中存在选址准确率不高的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高选址准确率的考虑复杂地理因素的光伏电站的图特征网络选址方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种考虑复杂地理因素的光伏电站的图特征网络选址方法。所述方法包括：
[0007]获取目标区域的地图以及所述地图对应的地理信息；
[0008]基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；
[0009]将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；
[0010]根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。
[0011]在其中一个实施例中，所述基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，包括：
[0012]从所述地图中确定出候选位置以及所述候选位置之间的位置关系；
[0013]将所述候选位置作为节点，并根据所述位置关系确定所述节点之间的边，得到所述地图对应的网络图；
[0014]根据所述网络图，得到所述目标区域的所述位置特征。
[0015]在其中一个实施例中，所述根据所述网络图，得到所述目标区域的所述位置特征，包括：
[0016]从所述网络图中确定出目标节点；
[0017]根据所述目标节点、所述目标节点对应的位置关系和所述目标节点的相邻节点，确定所述目标节点的隐层状态；
[0018]将所述隐层状态输入至预先确定的局部输出模型，得到所述目标节点的位置特征。
[0019]在其中一个实施例中，所述地理信息包括所述目标区域的地形、地貌、日照时间和降雨量；所述将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征，包括：
[0020]基于所述特征网络模型对输入的所述地形、地貌、日照时间和降雨量进行识别，得到所述目标区域的所述地理特征。
[0021]在其中一个实施例中，在基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征之后，还包括：
[0022]对所述位置特征和所述地理特征进行融合处理，得到所述目标区域的所述融合特征。
[0023]在其中一个实施例中，所述将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征，包括：
[0024]对所述融合特征进行特征提取，得到所述融合特征对应的特征图；
[0025]将所述特征图输入至所述胶囊神经网络模型的胶囊层，得到所述特征图对应的胶囊向量；
[0026]根据所述胶囊向量，确定所述目标区域的所述目标特征。
[0027]在其中一个实施例中，所述目标区域包含至少一个候选位置，各所述候选位置对应一个所述目标特征；所述根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置，包括：
[0028]在所述候选位置的所述目标特征符合预设条件的情况下，将所述候选位置确定为所述光伏电站的所述目标位置；
[0029]根据所述目标位置，以及所述目标位置的所述目标特征，生成所述光伏电站的选址报告。
[0030]第二方面，本申请还提供了一种考虑复杂地理因素的光伏电站的图特征网络选址装置。所述装置包括：
[0031]信息获取模块，用于获取目标区域的地图以及所述地图对应的地理信息；
[0032]特征提取模块，用于基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；
[0033]特征确定模块，用于将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；
[0034]位置确定模块，用于根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。
[0035]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0036]获取目标区域的地图以及所述地图对应的地理信息；
[0037]基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；
[0038]将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；
[0039]根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。
[0040]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0041]获取目标区域的地图以及所述地图对应的地理信息；
[0042]基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；
[0043]将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；
[0044]根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。
[0045]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0046]获取目标区域的地图以及所述地图对应的地理信息；
[0047]基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；
[0048]将所述位置特征与所述地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑复杂地理因素的光伏电站的图特征网络选址方法，其特征在于，所述方法包括：获取目标区域的地图以及所述地图对应的地理信息；基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。2.根据权利要求1所述的方法，其特征在于，所述基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，包括：从所述地图中确定出候选位置以及所述候选位置之间的位置关系；将所述候选位置作为节点，并根据所述位置关系确定所述节点之间的边，得到所述地图对应的网络图；根据所述网络图，得到所述目标区域的所述位置特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述网络图，得到所述目标区域的所述位置特征，包括：从所述网络图中确定出目标节点；根据所述目标节点、所述目标节点对应的位置关系和所述目标节点的相邻节点，确定所述目标节点的隐层状态；将所述隐层状态输入至预先确定的局部输出模型，得到所述目标节点的位置特征。4.根据权利要求1所述的方法，其特征在于，所述地理信息包括所述目标区域的地形、地貌、日照时间和降雨量；所述将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征，包括：基于所述特征网络模型对输入的所述地形、地貌、日照时间和降雨量进行识别，得到所述目标区域的所述地理特征。5.根据权利要求1所述的方法，其特征在于，在基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征之后，还包括：对所述位置特征和所述地理特征进行融...

【专利技术属性】
技术研发人员：黎嘉明，黎立丰，蒙文川，饶志，席云华，孙思扬，李爽，杨雄平，杨再敏，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：