【技术实现步骤摘要】
本申请涉及电网，特别是涉及一种城市系统电力应急能力预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在电网
中，对城市系统综合应急能力进行准确评价，对建设和提升城市系统综合应急能力极其重要。
2、在传统技术中，对城市系统综合应急能力进行评价时，通常是人工评价方法为主；但是，这种人工评价方法存在主观因素，容易出现错误，导致城市系统综合应急能力的评价准确度较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高城市系统综合应急能力的评价准确度的城市系统电力应急能力预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种城市系统电力应急能力预测方法，包括：
3、从区块链网络中，获取待分析城市系统在预设城市系统电力应急能力指标下的指标数据；
4、从所述指标数据中提取出各个关键指标数据，并获取所述各个关键指标数据对应的特征向量；
5、对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量；
6、分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果；
7、根据所述各个电力应急能力识别模型对应的模型权重，对所述待分析城市系统的各个初始电力应急能力预测结果进行融合处理，得到所述待分析城市系统的目标电力应急能力预测结果。
8、在其
9、从所述各个关键指标数据中，识别出所述各个关键指标数据的关联关键指标数据；
10、分别将所述各个关键指标数据作为主要数据，将所述各个关键指标数据的关联关键指标数据作为辅助数据，输入到特征提取模型中进行特征提取处理，得到所述各个关键指标数据对应的特征向量。
11、在其中一个实施例中，所述对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量，包括：
12、从所述各个关键指标数据对应的特征向量中，识别出所述各个关键指标数据的关联关键指标数据对应的特征向量；
13、将所述各个关键指标数据对应的特征向量，以及所述各个关键指标数据的关联关键指标数据对应的特征向量，输入至注意力机制模型中进行注意力机制处理，得到所述各个关键指标数据对应的权重；
14、根据所述各个关键指标数据对应的权重，对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量。
15、在其中一个实施例中，所述分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果，包括：
16、分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型中进行特征提取处理，得到各个第一目标融合特征向量；
17、对所述各个第一目标融合特征向量进行再次特征提取处理，得到各个第二目标融合特征向量；
18、对所述各个第二目标融合特征向量进行分类处理，得到所述各个电力应急能力识别模型输出的所述待分析城市系统在各个预设电力应急能力等级下的分类概率；
19、针对所述各个电力应急能力识别模型，从所述各个预设电力应急能力等级中筛选出所述分类概率最大的预设电力应急能力等级，对应作为所述待分析城市系统的各个初始电力应急能力预测结果。
20、在其中一个实施例中，每个电力应急能力识别模型通过下述方式训练得到：
21、从所述区块链网络中，获取样本城市系统在预设城市系统电力应急能力指标下的样本指标数据；
22、从所述样本指标数据中提取出各个样本关键指标数据，并获取所述各个样本关键指标数据对应的特征向量；
23、对所述各个样本关键指标数据对应的特征向量进行融合处理，得到样本融合特征向量；
24、将所述样本融合特征向量，输入至待训练电力应急能力识别模型，得到所述样本城市系统对应的电力应急能力预测结果；
25、根据所述样本城市系统对应的电力应急能力预测结果与电力应急能力实际结果之间的差异，对所述待训练电力应急能力识别模型进行迭代训练，得到电力应急能力识别模型。
26、在其中一个实施例中，在根据所述各个电力应急能力识别模型对应的模型权重，对所述待分析城市系统的各个初始电力应急能力预测结果进行融合处理，得到所述待分析城市系统的目标电力应急能力预测结果之后，还包括：
27、获取所述待分析城市系统的与所述预设城市系统电力应急能力指标对应的评估问卷数据；
28、将所述评估问卷数据输入到深度学习模型中，得到所述待分析城市系统的电力应急能力评估结果；
29、根据所述电力应急能力评估结果，对所述目标电力应急能力预测结果进行修正处理，得到所述待分析城市系统的目标电力应急能力评估结果。
30、第二方面，本申请还提供了一种城市系统电力应急能力预测装置，包括：
31、指标数据获取模块，用于从区块链网络中，获取待分析城市系统在预设城市系统电力应急能力指标下的指标数据；
32、指标数据处理模块，用于从所述指标数据中提取出各个关键指标数据，并获取所述各个关键指标数据对应的特征向量；
33、特征向量处理模块，用于对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量；
34、初始结果预测模块，用于分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果；
35、目标结果预测模块，用于根据所述各个电力应急能力识别模型对应的模型权重，对所述待分析城市系统的各个初始电力应急能力预测结果进行融合处理，得到所述待分析城市系统的目标电力应急能力预测结果。
36、第三方面，本申请还提供了一种计算机设备，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：
37、从区块链网络中，获取待分析城市系统在预设城市系统电力应急能力指标下的指标数据；
38、从所述指标数据中提取出各个关键指标数据，并获取所述各个关键指标数据对应的特征向量；
39、对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量；
40、分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果；
41、根据所述各个电力应急能力识别模型对应的模型权重，对所述待分析城市系统的各个初始电力应急能力预测结果进行融合处理，得到所述待分析城市系统的目标电力应急能力预测结果。
42、第四方面，本申请还提供了一种计算机可读存储介质本文档来自技高网...
【技术保护点】
1.城市系统电力应急能力预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述各个关键指标数据对应的特征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，每个电力应急能力识别模型通过下述方式训练得到：
6.根据权利要求1至5任意一项所述的方法，其特征在于，在根据所述各个电力应急能力识别模型对应的模型权重，对所述待分析城市系统的各个初始电力应急能力预测结果进行融合处理，得到所述待分析城市系统的目标电力应急能力预测结果之后，还包括：
7.一种城市系统电力应急能力预测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.城市系统电力应急能力预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述各个关键指标数据对应的特征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述各个关键指标数据对应的特征向量进行融合处理，得到融合特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述分别将所述融合特征向量，输入至与所述待分析城市系统对应的各个电力应急能力识别模型，得到所述待分析城市系统的各个初始电力应急能力预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，每个电力应急能力识别模型通过下述方式训练得到：
6.根据权利要求1至5任意一项所述的方法，其特征在于，在根据所述各个电力...
【专利技术属性】
技术研发人员：洪巧章，柯伟，袁太平，
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：
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。