【技术实现步骤摘要】
本公开涉及综合能源态势感知，具体涉及基于马尔可夫转换场的综合能源态势感知方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、态势感知是一种用于获取、理解和预测能够导致系统状态发生变化的技术，其核心目标是帮助人们更好地理解当前情况，这需要从各种传感器、数据源和信息流中收集、整合，以生成有用的数据，而后以此数据为基础，对模型接下来的运行状态进行预测和分析。近年来，综合能源系统不断迎来发展与完善，但同时也带来了更加复杂的挑战。评估综合能源系统的运行状态，确保其高效稳定运行成为当务之急。在这一背景下，利用态势感知技术来深入分析综合能源系统的运行状态，成为未来研究的核心焦点。
3、现有的一种通过采用像素重构基础上考虑负荷特征融合的mcnn-lstm负荷态势预测方法，针对于区域综合能源系统多能负荷态势感知技术，通过采用时域特征拓展随机森林算法可以有效减少负荷态势理解阶段的数据处理难度，从而能够减少负荷态势感知过程所需的时间。但是该专利没有对提取到的数据进行很好的二维化处理，导致神经网络对数据的处理精确性较低；一种计及时序相关性的数据驱动电-气综合能源系统态势感知方法，该方法包括采集电-气综合能源系统中量测装置与设备的历史数据，但是该专利仅使用单一cnn神经网络模型，对数据的处理较为单一；一种电-气综合能源系统状态估计方法和系统，模型利用最小二乘法原理构建了多个量测量与对应估计值的估计误差总和，以最小化该误差总和为目标，从而确定了多个状态量的估计值。但是该专利并不能
4、针对以上，现有态势感知技术的缺点在于：主要采用数据驱动方法，利用神经网络提取大规模数据的特征和关联性，从而实现更高级的感知和决策功能。当前应用在态势感知领域的神经网络主要是卷积神经网络和长短时记忆网络，但是现有研究大多单独利用这两种神经网络。单独利用卷积神经网络时，态势感知模型捕获数据时序信息的能力较差；单独利用长短时神经网络时，态势感知模型只对序列信息进行分析，特征提取能力较差，这两者都使得其他成果中提到的态势感知模型精准度较低。
技术实现思路
1、本公开为了解决上述问题，提出了基于马尔可夫转换场的综合能源态势感知方法及系统，将综合能源系统状态量偏移值序列按马尔可夫转换场(markov transitionfield，mtf)编码方式转换为二维特征图像，由cnn网络部分负责提取图像中的空间特征，并输出一维数组，再通过lstm网络部分进行处理，提取出时间序列特征，并完成态势预测。cnn-lstm神经网络在提高了模型特征提取能力的同时，还能够捕获数据的时序信息，使得神经网络能够更好的理解和处理复杂的数据，且经过算例分析得出其降低了模型相对误差，有效增加了模型泛化性、精准度。
2、根据一些实施例，本公开采用如下技术方案：
3、基于马尔可夫转换场的综合能源态势感知方法，包括：
4、获取待感知综合能源系统实际运行状态数据，并选取关键运行状态量；
5、通过计算综合能源系统关键运行状态量的偏移值量化运行状态的偏离程度；
6、将关键运行状态量的偏移值通过马尔可夫转换场方式进行编码，将时序数据变换为空间图像数据，获取编码后的状态偏移量二维特征图像，再使用模糊内核对每个非重叠像素进行平均获取动态转移概率的聚合图像；
7、将动态转移概率的聚合图像输入至cnn-lstm混合网络模型，分别提取图像中的空间特征以及时间序列特征，最终获取态势预测感知结果。
8、根据一些实施例，本公开采用如下技术方案：
9、基于马尔可夫转换场的综合能源态势感知系统，包括：
10、数据获取模块，用于获取待感知综合能源系统实际运行状态数据，并选取关键运行状态量；
11、编码模块，用于通过计算综合能源系统关键运行状态量的偏移值量化运行状态的偏离程度；
12、将关键运行状态量的偏移值通过马尔可夫转换场方式进行编码，将时序数据变换为空间图像数据，获取编码后的状态偏移量二维特征图像，再使用模糊内核对每个非重叠像素进行平均获取动态转移概率的聚合图像；
13、态势感知模块，用于将动态转移概率的聚合图像输入至cnn-lstm混合网络模型，分别提取图像中的空间特征以及时间序列特征，最终获取态势预测感知结果。
14、根据一些实施例，本公开采用如下技术方案：
15、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的基于马尔可夫转换场的综合能源态势感知方法。
16、根据一些实施例，本公开采用如下技术方案：
17、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的基于马尔可夫转换场的综合能源态势感知方法。
18、与现有技术相比，本公开的有益效果为：
19、本公开的一种基于马尔可夫转换场的综合能源态势感知方法，通过马尔可夫转换场对电-热综合能源系统的运行状态偏离特征量进行时序相关性的提取，将一维时间序列转成二维数据对原数据进行更好地表征，提高卷积神经网络模型在态势预测时的训练效果。
20、本公开将卷积神经网络模型中常用于输入数据归一化的bn层替换为gn层，gn层能在多通道内计算平均值和方差，有助于解决内部协变量转移问题，提高态势预测模型稳定性。本公开结合了多头自注意力机制、卷积神经网络和长短期记忆网络的特点，充分利用了它们在特征提取、序列建模和上下文理解方面的优势。采用这种组合模型进行态势预测可以更好地处理复杂任务、捕捉数据特征，提高了态势预测的预测精度。
本文档来自技高网...【技术保护点】
1.基于马尔可夫转换场的综合能源态势感知方法，其特征在于，包括：
2.如权利要求1所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，所述实际运行状态数据包括电网电压幅值、频率、热网管道温度以及流量信息，并选择电网电压幅值和热网节点流量作为关键运行状态量，综合能源系统的运行状态通过观察关键运行状态量是否超过设定的阈值进行判断。
3.如权利要求1所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，将关键运行状态量的偏移值通过马尔可夫转换场方式进行编码，包括：给定关键运行状态量的偏移值序列，是由多个时间戳的采样信号组成，首先将时序数据按照幅值划分为多个区域，再将每一个采样信号均映射到每个区域中。
4.如权利要求3所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，区域划分的方法包括均匀划分、分位数划分和正态分布划分，所述均匀划分为每个样本中，划分的各个区域具有相同的幅值宽度，划分的每个区域在数值范围上是相等的；分位数划分为在每个样本中，划分的各个区域中都包含相同数量的采样点数；正态分布划分为划分的各个区域中包含的采样点数符合
5.如权利要求3所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，计算前后时刻的采样信号从一个区域转换至另一个区域的概率，将计算所得的各个概率作为元素，构造马尔科夫状态转移矩阵，再利用马尔可夫转换场将马尔可夫状态转移矩阵生成跨时间尺度的动态概率转移矩阵。
6.如权利要求5所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，利用马尔可夫转换场将马尔可夫状态转移矩阵生成跨时间尺度的动态概率转移矩阵包括：对照马尔可夫状态转移矩阵确定之间的过渡概率，即从某一元素所在分位数单元过渡到另一元素所在分位数单元的概率，对照马尔可夫状态转移矩阵寻找对应的过渡概率作为跨时间尺度的动态概率转移矩阵的第一行第二个元素，最终得到跨时间尺度的动态概率转移矩阵。
7.如权利要求6所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，跨时间尺度的动态概率转移矩阵中的每个元素表示设定时间间隔的点之间的转移概率，沿时间轴的过渡过程中只有一个间隔；时间间隔为0是一种特殊情况，它获取的是每个分位数到自身的概率，即自转移概率。
8.基于马尔可夫转换场的综合能源态势感知系统，其特征在于，包括：
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的基于马尔可夫转换场的综合能源态势感知方法。
10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的基于马尔可夫转换场的综合能源态势感知方法。
...【技术特征摘要】
1.基于马尔可夫转换场的综合能源态势感知方法，其特征在于，包括：
2.如权利要求1所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，所述实际运行状态数据包括电网电压幅值、频率、热网管道温度以及流量信息，并选择电网电压幅值和热网节点流量作为关键运行状态量，综合能源系统的运行状态通过观察关键运行状态量是否超过设定的阈值进行判断。
3.如权利要求1所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，将关键运行状态量的偏移值通过马尔可夫转换场方式进行编码，包括：给定关键运行状态量的偏移值序列，是由多个时间戳的采样信号组成，首先将时序数据按照幅值划分为多个区域，再将每一个采样信号均映射到每个区域中。
4.如权利要求3所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，区域划分的方法包括均匀划分、分位数划分和正态分布划分，所述均匀划分为每个样本中，划分的各个区域具有相同的幅值宽度，划分的每个区域在数值范围上是相等的；分位数划分为在每个样本中，划分的各个区域中都包含相同数量的采样点数；正态分布划分为划分的各个区域中包含的采样点数符合正态分布，根据数据的性质以及需求，选择区域划分方法。
5.如权利要求3所述的基于马尔可夫转换场的综合能源态势感知方法，其特征在于，计算前后时刻的采样信号从一个区域转换至另一个区域的概率，将计算所得的各个概率作为元素，构造马尔科夫状态转移矩阵，再利用马尔可夫转换场将马尔可夫状态转移矩阵生...
【专利技术属性】
技术研发人员：李国亮，王瑞琪，朱建文，荣以平，唐晓光，徐小龙，林煜清，林美华，高鹏，朱国梁，贺艳辉，陈秋杰，梁慧媛，史弘，周琪，王硕，周子杰，蔡涵宇，张永新，钟立阳，
申请(专利权)人：国网山东省电力公司枣庄供电公司，
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。