【技术实现步骤摘要】
本专利技术涉及数据处理，具体而言，涉及一种基于机器学习的分布式光伏发电数据处理方法及系统。
技术介绍
1、随着分布式光伏发电技术的快速发展，对其产生的海量数据进行高效、安全的管理成为了业界亟待解决的问题。传统的数据存储方法往往无法有效处理分布式光伏发电数据中的复杂性和多样性，更难以确保其安全性。因此，开发一种能够针对分布式光伏发电数据进行智能优化存储处理的方法显得尤为重要。
2、在现有的技术背景下，对分布式光伏发电数据的处理通常涉及对其发电运行要素的挖掘。这些要素能够反映光伏发电系统的运行状态和性能，是进行数据分析和优化的基础。然而，由于分布式光伏发电数据的特殊性，如数据量大、维度高、时序性强等，传统的数据挖掘方法往往难以直接应用。
技术实现思路
1、为了改善上述问题，本专利技术提供了一种基于机器学习的分布式光伏发电数据处理方法及系统。
2、本专利技术实施例的第一方面，提供了一种基于机器学习的分布式光伏发电数据处理方法，应用于分布式光伏发电数据处理系统，所述方法包括：
3、对目标分布式光伏发电数据进行发电运行要素挖掘操作，得到发电运行要素向量；所述发电运行要素向量包括若干个通道的光伏发电状态向量；所述目标分布式光伏发电数据包括光伏发电状态日志和分布式发电设备标识；所述目标分布式光伏发电数据为多种光伏发电事件中的一种光伏发电事件对应的光伏发电数据；
4、通过数据优化存储处理网络中的敏感数据检测分支对所述发电运行要素向量进行敏感资源数据检
5、通过所述数据优化存储处理网络中的优化存储决策分支依据所述敏感资源数据和所述发电运行要素向量生成所述目标分布式光伏发电数据对应的最少一个待用数据优化存储指示；其中，所述数据优化存储处理网络由长短期记忆网络结合敏感数据检测分支通过联合调试所确定。
6、优选的，所述敏感数据检测分支包括运行要素挖掘层、关键要素挖掘层和敏感要素挖掘层；所述通过数据优化存储处理网络中的敏感数据检测分支对所述发电运行要素向量进行敏感资源数据检测，得到敏感资源数据，包括：
7、从所述发电运行要素向量中确定光伏发电类别状态向量；
8、确定所述光伏发电类别状态向量对应的敏感资源标注信息；所述敏感资源标注信息包括运行要素标注、关键要素标注和敏感要素标注；
9、通过所述运行要素挖掘层依据所述发电运行要素向量和所述运行要素标注进行运行要素知识挖掘，得到运行要素知识；
10、通过所述关键要素挖掘层依据所述发电运行要素向量和所述关键要素标注进行关键要素知识挖掘，得到关键要素知识；
11、通过所述敏感要素挖掘层依据所述发电运行要素向量和所述敏感要素标注进行敏感要素知识挖掘，得到敏感要素知识；
12、根据所述运行要素知识、所述关键要素知识和所述敏感要素知识结合得到所述敏感资源数据。
13、优选的，所述多种光伏发电事件一一对应多种光伏发电类别状态向量；
14、如果所述光伏发电状态日志包括图像日志，所述光伏发电类别状态向量为第一光伏发电状态查询向量；
15、如果所述光伏发电状态日志包括所述图像日志和针对所述图像日志的原始状态数据，所述光伏发电类别状态向量为第二光伏发电状态查询向量；
16、如果所述光伏发电状态日志包括所述图像日志和针对所述图像日志的发电状态节点数据，所述光伏发电类别状态向量为第三光伏发电状态查询向量；
17、如果所述光伏发电状态日志包括所述图像日志、针对所述图像日志的原始状态数据和针对所述原始状态数据的异常状态节点数据，所述光伏发电类别状态向量为第四光伏发电状态查询向量。
18、优选的，所述运行要素知识包括运行需求模式、储能反馈数据、时序特征和针对所述分布式发电设备标识的动态运行标签中的最少一项；所述关键要素知识包括发电任务知识和安全监测知识的最少一项；所述敏感要素知识包括分布式地域特征、设备协议特征和电力资源企划特征中的最少一项。
19、优选的，所述数据优化存储处理网络包括联动知识提炼分支；所述联动知识提炼分支包括时序提炼节点、空间提炼节点、发电任务提炼节点和状态趋势提炼节点中的最少两项；所述对目标分布式光伏发电数据进行发电运行要素挖掘操作，得到发电运行要素向量，包括：
20、通过所述时序提炼节点对所述光伏发电状态日志包含的时序数据进行知识向量提炼，得到光伏发电时序状态向量；
21、通过所述空间提炼节点对所述光伏发电状态日志包含的空间信息进行知识向量提炼，得到光伏发电空间状态向量；
22、通过所述发电任务提炼节点对所述光伏发电状态日志包含的任务属性进行识别，得到光伏发电类别状态向量；
23、通过所述状态趋势提炼节点对所述分布式发电设备标识进行知识向量提炼，得到光伏发电状态趋势向量；
24、依据所述光伏发电时序状态向量、所述光伏发电空间状态向量、所述光伏发电类别状态向量和所述光伏发电状态趋势向量中的最少两项确定所述发电运行要素向量。
25、优选的，所述联动知识提炼分支还包括预警信息提炼节点；
26、所述依据所述光伏发电时序状态向量、所述光伏发电空间状态向量、所述光伏发电类别状态向量和所述光伏发电状态趋势向量中的最少两项确定所述发电运行要素向量，包括：
27、通过所述预警信息提炼节点对所述光伏发电状态日志包含的预警数据进行知识向量提炼，得到光伏发电预警状态向量；
28、依据所述光伏发电时序状态向量、所述光伏发电空间状态向量、所述光伏发电类别状态向量、所述光伏发电预警状态向量和所述光伏发电状态趋势向量中的最少两项确定所述发电运行要素向量。
29、优选的，所述通过所述数据优化存储处理网络中的优化存储决策分支依据所述敏感资源数据和所述发电运行要素向量生成所述目标分布式光伏发电数据对应的最少一个待用数据优化存储指示，包括：
30、依据所述发电运行要素向量生成第一线性知识特征；
31、依据所述敏感资源数据生成第二线性知识特征；
32、将所述第一线性知识特征和所述第二线性知识特征进行集成，得到线性集成知识特征；
33、通过所述优化存储决策分支依据所述线性集成知识特征生成所述目标分布式光伏发电数据对应的最少一个待用数据优化存储指示。
34、优选的，所述方法还包括所述优化存储决策分支的调试的步骤，包括：
35、获取分布式光伏发电数据示例和所述分布式光伏发电数据示例对应的数据优化存储指示示例；
36、对分布式光伏发电数据示例进行发电运行要素挖掘操作，得到发电运行要素向量示例；
37、通过所述敏感数据检测分支对所述发电运行要本文档来自技高网...
【技术保护点】
1.一种基于机器学习的分布式光伏发电数据处理方法，其特征在于，应用于分布式光伏发电数据处理系统，所述方法包括：
2.根据权利要求1所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述敏感数据检测分支包括运行要素挖掘层、关键要素挖掘层和敏感要素挖掘层；所述通过数据优化存储处理网络中的敏感数据检测分支对所述发电运行要素向量进行敏感资源数据检测，得到敏感资源数据，包括：
3.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述多种光伏发电事件一一对应多种光伏发电类别状态向量；
4.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述运行要素知识包括运行需求模式、储能反馈数据、时序特征和针对所述分布式发电设备标识的动态运行标签中的最少一项；所述关键要素知识包括发电任务知识和安全监测知识的最少一项；所述敏感要素知识包括分布式地域特征、设备协议特征和电力资源企划特征中的最少一项。
5.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述数据优化存储处理网络
6.根据权利要求5所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述联动知识提炼分支还包括预警信息提炼节点；
7.根据权利要求1所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述通过所述数据优化存储处理网络中的优化存储决策分支依据所述敏感资源数据和所述发电运行要素向量生成所述目标分布式光伏发电数据对应的最少一个待用数据优化存储指示，包括：
8.根据权利要求7所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述方法还包括所述优化存储决策分支的调试的步骤，包括：
9.一种分布式光伏发电数据处理系统，其特征在于，包括处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行权利要求1-8任一项所述的基于机器学习的分布式光伏发电数据处理方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1-8任一项所述的基于机器学习的分布式光伏发电数据处理方法。
...【技术特征摘要】
1.一种基于机器学习的分布式光伏发电数据处理方法，其特征在于，应用于分布式光伏发电数据处理系统，所述方法包括：
2.根据权利要求1所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述敏感数据检测分支包括运行要素挖掘层、关键要素挖掘层和敏感要素挖掘层；所述通过数据优化存储处理网络中的敏感数据检测分支对所述发电运行要素向量进行敏感资源数据检测，得到敏感资源数据，包括：
3.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述多种光伏发电事件一一对应多种光伏发电类别状态向量；
4.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述运行要素知识包括运行需求模式、储能反馈数据、时序特征和针对所述分布式发电设备标识的动态运行标签中的最少一项；所述关键要素知识包括发电任务知识和安全监测知识的最少一项；所述敏感要素知识包括分布式地域特征、设备协议特征和电力资源企划特征中的最少一项。
5.根据权利要求2所述的基于机器学习的分布式光伏发电数据处理方法，其特征在于，所述数据优化存储处理网络包括联动知识提炼分支；所述联动知识提炼分支包括时序提炼节点、空间提炼节点、发电任务提炼节点和状态...
【专利技术属性】
技术研发人员：张振宇，张雪，李晓军，孙庆宇，李金龙，
申请(专利权)人：北京岳能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。