【技术实现步骤摘要】
本专利技术涉及电网管理，尤指一种融合电网智能化终端管理系统及方法。
技术介绍
1、电网的智能化管理成为实现能源可持续发展的关键技术之一。传统的电网管理系统在处理大规模、动态变化的用电数据方面存在诸多挑战，包括数据采集不精确、用电预测不准确以及对突发事件的响应不足等问题。这些问题限制了电网的运行效率和可靠性，加之新能源的接入和电网用户行为的多样性。
2、在现有技术中，电网管理系统主要通过集中式的数据处理中心来收集和分析用电数据，以此来实现对电网运行状态的监控和管理。这些系统通常依赖于固定的数据采集点（如电表）和预定的数据传输间隔，以定期更新用电信息。在用电预测方面，传统方法多采用简单的时间序列分析或线性回归模型，试图根据历史用电数据预测未来的用电需求。虽然这些方法可以提高预测准确性，但模型训练和参数调优过程复杂，若只是通过简单的使用机器学习进行预测需要大量的历史数据，且在面对电网结构和用电行为的偶然性变化时，模型的适应性和灵活性不足，导致预测能力降低。
技术实现思路
1、为解决上述问题，本专利技术提供一种融合电网智能化终端管理系统及方法。
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种融合电网智能化终端管理系统，包括数据采集模块，设施定位模块，维度归分模块、热点信息模块、智能学习模块和终端管理模块，所述数据采集模块、设施定位模块和维度归分模块分别与所述智能学习模块连接，所述数据采集模块分别与所述设施定位模块，维度归分模块和热点信息模块连
4、所述数据采集模块用于获取各类用电设施的信息和用电数据；
5、所述设施定位模块用于根据用电设施的信息将用电设施映射于数字地图中，并根据用电数据的变化趋势划分相关性区域；
6、所述维度归分模块用于根据各类用电设施的信息进行类别维度的归分，再根据数字地图中的相关性区域进行区域维度的归分；
7、所述热点信息模块用于获取并解析新闻信息中的地址信息，对新闻信息中的进行重点词提取，根据重点词进行热点信息归分；
8、所述智能学习模块，用于为相同类别维度且相同区域维度的用电设施生成数据集，根据数据集中用电设施的数量生成功耗矩阵，对不同类别维度且相同区域维度的功耗矩阵、天气条件和热点信息分别作为输入元素输入于神经网络中进行融合训练，通过反向传播调整权重参数，输出预测区域负载；
9、所述终端管理模块用于根据若干个预测区域负载进行发电调度。
10、进一步地，所述用电设施的信息包括用电设施名称、地理位置、设施编号及设施类型。
11、进一步地，所述根据用电设施的信息将用电设施映射于数字地图中包括：
12、对数字地图中已映射用电设施进行遍历，若遍历结果中用电设施的设施名称、地理位置、设施编号及设施类型没有均完全相同，则根据用电地理位置将待映射用电设施映射与数字地图中；
13、若遍历结果中用电设施的设施名称、地理位置、设施编号及设施类型存在均完全相同，则标记为待人工确定。
14、进一步地，所述根据用电数据的变化趋势划分相关性区域包括以下步骤：
15、在预设的区域范围对所有用电设施提取在预设时间内的平均功耗曲线；
16、使用聚类算法对平均功耗曲线进行聚类分析，根据聚类结果进行区域筛除，得到相关性区域。
17、进一步地，所述获取并解析新闻信息中的地址信息包括：
18、收集新闻文本，对新闻文本进行遍历获取地址信息；
19、将地址信息进行地理编码转换为经纬度坐标。
20、进一步地，对新闻信息中的进行重点词提取，根据重点词进行热点信息归分包括以下步骤：
21、基于lda模型从新闻文本中提取出高于预设频率的词和高于预设权重的词作为重点词；
22、根据重点词判断热点信息类别，包括节日、活动和演唱会。
23、进一步地，所述神经网络的损失函数如下：
24、，
25、其中，为总损失函数，为预测损失误差，为负载波动敏感损失，为用于平衡两个损失部分的权重系数，损失误差采用均方误差计算神经网络预测的区域负载与实际区域负载之间的差异，计算公式如下：
26、，
27、表示第i个样本的实际区域负载，表示模型预测的区域负载，n表示样本总数，负载波动敏感损失计算公式如下：
28、，
29、其中，表示第个样本的实际区域负载，是波动敏感系数用于调节波动敏感损失在总损失中的比重。
30、进一步地，所述反向传播调整权重参数的公式如下：
31、，
32、其中，为更新权重，为旧权重，是学习率，为总损失函数对每个旧权重的梯度，为动态调整因子，动态调整因子的计算公式如下：
33、，
34、其中，和分别是调整波动敏感损失和预测误差损失在权重更新中影响的系数，t 和t−1分别表示当前和前一训练周期。
35、一种融合电网智能化终端管理方法，包括以下步骤：
36、获取各类用电设施的信息和用电数据；
37、根据用电设施的信息将用电设施映射于数字地图中，并根据用电数据的变化趋势划分相关性区域；
38、根据各类用电设施的信息进行类别维度的归分，再根据数字地图中的相关性区域进行区域维度的归分；
39、获取并解析新闻信息中的地址信息，对新闻信息中的进行重点词提取，根据重点词进行热点信息归分；
40、为相同类别维度且相同区域维度的用电设施生成数据集，根据数据集中用电设施的数量生成功耗矩阵，对不同类别维度且相同区域维度的功耗矩阵、天气条件和热点信息分别作为输入元素输入于神经网络中进行融合训练，通过反向传播调整权重参数，输出预测区域负载；
41、根据若干个预测区域负载进行发电调度。
42、本专利技术的有益效果在于：本专利技术通过对具有相同用电趋势的设备去划分相关性区域，在基于相关性区域对区域内同类的用电设施进行归分，再通过用电设施的数量生成功耗矩阵，对不同类别维度且相同区域维度的功耗矩阵、天气条件和热点信息分别作为输入元素输入于神经网络中进行融合训练，通过反向传播调整权重参数，输出预测区域负载。通过进行类别维度和区域维度的归分。这一模块的引入，增强了系统处理大规模数据时的灵活性和效率，优化了模型输入实现在减少输入数据的同时也能实现精准预测的训练效果，同时将天气条件和热点信息作为输入神经网络的元素，实现非结构化数据转化为对用电预测高价值的信息。权重参数的优化采用了动态调整策略，根据实时用电数据和外部环境变化自动调整权重参数。这种方法不同于传统的静态权重分配，它允许系统根据当前电网的实际运行情况和外部影响因素的变化，动态调整模型的学习重点。例如，当检测到特定区域的用电需求突然增加时，系统会自动增加该区域数据在模型训本文档来自技高网...
【技术保护点】
1.一种融合电网智能化终端管理系统，其特征在于，包括数据采集模块，设施定位模块，维度归分模块、热点信息模块、智能学习模块和终端管理模块，所述数据采集模块、设施定位模块和维度归分模块分别与所述智能学习模块连接，所述数据采集模块分别与所述设施定位模块，维度归分模块和热点信息模块连接，所述设施定位模块与所述维度归分模块连接，所述智能学习模块与所述终端管理模块连接；
2.根据权利要求1所述的一种融合电网智能化终端管理系统，其特征在于，所述用电设施的信息包括用电设施名称、地理位置、设施编号及设施类型。
3.根据权利要求2所述的一种融合电网智能化终端管理系统，其特征在于，所述根据用电设施的信息将用电设施映射于数字地图中包括：
4.根据权利要求3所述的一种融合电网智能化终端管理系统，其特征在于，所述根据用电数据的变化趋势划分相关性区域包括以下步骤：
5.根据权利要求1所述的一种融合电网智能化终端管理系统，其特征在于，所述获取并解析新闻信息中的地址信息包括：
6.根据权利要求1所述的一种融合电网智能化终端管理系统，其特征在于，对新闻信息
7.根据权利要求1所述的一种融合电网智能化终端管理系统，其特征在于，所述神经网络的损失函数如下：
8.根据权利要求7所述的一种融合电网智能化终端管理系统，其特征在于，所述反向传播调整权重参数的公式如下：
9.一种融合电网智能化终端管理方法，应用于权利要求1至8任一项所述的一种融合电网智能化终端管理系统，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种融合电网智能化终端管理系统，其特征在于，包括数据采集模块，设施定位模块，维度归分模块、热点信息模块、智能学习模块和终端管理模块，所述数据采集模块、设施定位模块和维度归分模块分别与所述智能学习模块连接，所述数据采集模块分别与所述设施定位模块，维度归分模块和热点信息模块连接，所述设施定位模块与所述维度归分模块连接，所述智能学习模块与所述终端管理模块连接；
2.根据权利要求1所述的一种融合电网智能化终端管理系统，其特征在于，所述用电设施的信息包括用电设施名称、地理位置、设施编号及设施类型。
3.根据权利要求2所述的一种融合电网智能化终端管理系统，其特征在于，所述根据用电设施的信息将用电设施映射于数字地图中包括：
4.根据权利要求3所述的一种融合电网智能化终端管理系统...
【专利技术属性】
技术研发人员：李文勇，陈佳妍，
申请(专利权)人：希格玛电气珠海有限公司，
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。