System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电网,特别是涉及一种应急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、在应急系统中,对应急系统电力应急能力进行准确评价,对建设和提升应急系统电力应急能力极其重要。
2、在传统技术中,对应急系统电力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,导致应急系统电力应急能力的确定准确度较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高应急系统电力应急能力的确定准确度的应急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,本申请提供了一种应急系统电力应急能力预测方法,包括:
3、从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据;
4、对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量;
5、将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重;
6、根据所述预测应急分数和所述权重,确定所述待预测应急系统的电力应急能力预测结果。
7、在其中一个实施例中,所述从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据,包括:
8、对待预测应急系统的系统数据进行预处理,得到预处理系统数据;
10、从所述预处理系统数据中,识别出对应的数据标识与预设应急系统电力应急能力指标匹配的系统数据,作为与预设应急系统电力应急能力指标对应的指标数据。
11、在其中一个实施例中,所述对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量,包括:
12、从所述指标数据中,筛选出关键指标数据;
13、根据所述关键指标数据的数据类型,确定与所述关键指标数据对应的特征提取模型;
14、将所述关键指标数据输入到对应的特征提取模型中进行特征提取处理,得到与所述关键指标数据对应的特征向量;
15、所述将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重,包括:
16、将所述关键指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述关键指标数据对应的预测应急分数和所述关键指标数据对应的权重。
17、在其中一个实施例中,所述预先训练的电力应急能力预测模型包括应急分数预测网络和注意力机制网络;
18、所述将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重,包括:
19、通过所述应急分数预测网络,对所述指标数据对应的特征向量进行特征提取处理,得到所述指标数据对应的第一目标特征向量,对所述指标数据对应的第一目标特征向量进行应急预测处理,得到所述指标数据对应的预测应急分数;
20、通过所述注意力机制网络,对所述指标数据对应的特征向量进行特征提取处理,得到所述指标数据对应的第二目标特征向量,对所述指标数据对应的第二目标特征向量进行注意力机制处理,得到所述指标数据对应的权重。
21、在其中一个实施例中,所述预先训练的电力应急能力预测模型通过下述方式训练得到:
22、获取样本应急系统中与预设应急系统电力应急能力指标对应的样本指标数据;
23、对所述样本指标数据进行特征提取处理,得到所述样本指标数据对应的特征向量;
24、将所述样本指标数据对应的特征向量,输入待训练的电力应急能力预测模型,得到所述样本指标数据对应的预测应急分数和所述样本指标数据对应的权重;
25、根据所述样本指标数据对应的预测应急分数和所述样本指标数据对应的权重,确定所述样本应急系统的电力应急能力预测结果;
26、根据所述样本应急系统的电力应急能力预测结果与所述样本应急系统的电力应急能力实际结果之间的差异,对所述待训练的电力应急能力预测模型进行迭代训练,得到所述预先训练的电力应急能力预测模型。
27、在其中一个实施例中,所述根据所述预测应急分数和所述权重,确定所述待预测应急系统的电力应急能力预测结果,包括:
28、通过预先训练的聚类模型,对所述指标数据进行聚类处理,得到指标数据集合;
29、对各所述指标数据集合中的指标数据对应的预测应急分数进行融合处理,得到各所述指标数据集合对应的预测应急分数,以及对各所述指标数据集合中的指标数据对应的权重进行融合处理,得到各所述指标数据集合对应的权重;
30、对各所述指标数据集合对应的预测应急分数,以及各所述指标数据集合对应的权重进行融合处理,得到所述待预测应急系统的电力应急能力预测结果。
31、第二方面,本申请还提供了一种应急系统电力应急能力预测装置,包括:
32、指标数据识别模块,用于从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据;
33、特征向量提取模块,用于对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量;
34、指标数据预测模块,用于将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重;
35、预测结果确定模块,用于根据所述预测应急分数和所述权重,确定所述待预测应急系统的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、从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据;
38、对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量;
39、将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重;
40、根据所述预测应急分数和所述权重,确定所述待预测应急系统的电力应急能力预测结果。
41、第四方面,本申请还提供了一种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:
42、从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据;
43、对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量;
44、将所述指标数据对应的特征向量,输入预先训练的电力应急能力预测模型,得到所述指标数据对应的预测应急分数和所述指标数据对应的权重;
...【技术保护点】
1.一种应急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,所述从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量,包括:
4.根据权利要求1所述的方法,其特征在于,所述预先训练的电力应急能力预测模型包括应急分数预测网络和注意力机制网络;
5.根据权利要求1所述的方法,其特征在于,所述预先训练的电力应急能力预测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,所述根据所述预测应急分数和所述权重,确定所述待预测应急系统的电力应急能力预测结果,包括:
7.一种应急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,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
< ...【技术特征摘要】
1.一种应急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,所述从待预测应急系统的系统数据中,识别出与预设应急系统电力应急能力指标对应的指标数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述指标数据进行特征提取处理,得到所述指标数据对应的特征向量,包括:
4.根据权利要求1所述的方法,其特征在于,所述预先训练的电力应急能力预测模型包括应急分数预测网络和注意力机制网络;
5.根据权利要求1所述的方法,其特征在于,所述预先训练的电力应急能力预测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...
【专利技术属性】
技术研发人员:袁太平,洪巧章,柯伟,邹学通,曾宪伟,韦明鸣,余海翔,
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。