【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种基于人工智能的智能电网管理方法。
技术介绍
1、电网是电力系统的重要组成部分，它负责将发电厂产生的电能通过输电线路输送到各个用电区域，再通过配电网将电能分配给最终用户。为了提高不同用电区域之间电能分配的合理性，通常需要进行负荷预测，例如根据天气情况(气温、湿度、降水等)和历史用电数据对不同用电区域的用电量进行预测，从而更好地对电网进行管理，提高电网的稳定性。然而，随着科技的进步，人们生活方式的也不断改变，传统的负荷预测模型可能无法适应负荷模式的快速变化，用电模式的巨变对传统预测方法提出了挑战，亟需一种更为灵活有效的负荷预测方法。
技术实现思路
1、本专利技术实施例的主要目的在于提供一种基于人工智能的智能电网管理以及相关装置，旨在解决相关技术中电网负荷预测方法缺乏灵活性、预测准确度较低的问题。
2、第一方面，本专利技术实施例提供一种基于人工智能的智能电网管理方法，包括：
3、获取智能电表采集到的用电数据及相应用电区域的环境数据；
4、基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据；
5、基于预设的分析模型，对所述用电时序数据和所述环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据；
6、基于所述用电特征数据和环境特征数据对预设的负荷预测模型进行训练；
7、在所述负荷预测模型的性能测试结果满足预设性能条件的情况下，基于所述负荷预测
8、第二方面，本专利技术实施例提供一种基于人工智能的智能电网管理装置，包括：
9、数据获取模块，用于获取智能电表采集到的用电数据及相应用电区域的环境数据；
10、数据聚合模块，用于基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据；
11、数据分析模块，用于基于预设的分析模型，对所述用电时序数据和所述环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据；
12、模型训练模块，用于基于所述用电特征数据和环境特征数据对预设的负荷预测模型进行训练；
13、数据预测模块，用于在所述负荷预测模型的性能测试结果满足预设性能条件的情况下，基于所述负荷预测模型根据所述用电区域的当前环境数据对当前用电数据进行预测。
14、第三方面，本专利技术实施例还提供一种终端设备，所述终端设备包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，其中所述计算机程序被所述处理器执行时，实现如本专利技术说明书提供的任一项基于人工智能的智能电网管理方法的步骤。
15、第四方面，本专利技术实施例还提供一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本专利技术说明书提供的任一项基于人工智能的智能电网管理方法的步骤。
16、本专利技术实施例提供一种基于人工智能的智能电网管理方法，本申请通过获取智能电表采集到的用电数据及相应用电区域的环境数据，同步获取相应用电区域内的用电数据和环境数据，以便根据用电数据和环境数据对负荷预测模型进行训练，提高负荷预测模型的准确性；基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据，减少用电时序数据和环境时序数据的偶然性，并减少后续进行特征提取的计算量；基于预设的分析模型，对所述用电时序数据和所述环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据，通过用电特征数据和环境特征数据对用电时序数据和环境时序数据进行表示，以便对负荷预测模型进行训练；基于所述用电特征数据和环境特征数据对预设的负荷预测模型进行训练，根据历史收集的用电特征数据和环境特征数据，提高负荷预测模型的真实性和准确性；在所述负荷预测模型的性能测试结果满足预设性能条件的情况下，基于所述负荷预测模型根据所述用电区域的当前环境数据对当前用电数据进行预测，通过训练好的负荷预测模型根据当前环境数据对当前用电数据进行预测，更加灵活有效地预测电网的负荷，实现对电网配电和供电的管理。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的智能电网管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据，包括：
3.根据权利要求2所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设的空间尺度，分别计算预设区域内的所述用电期望数据的总和以及所述环境期望数据的均值，得到所述用电时序数据和所述环境时序数据，包括：
4.根据权利要求1所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设的分析模型，对所述用电时序数据和环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据，包括：
5.根据权利要求4所述的基于人工智能的智能电网管理方法，其特征在于，所述对所述用电时序数据和所述环境时序数据进行小波变换，得到用电系数和环境系数，包括：
6.根据权利要求4所述的基于人工智能的智能电网管理方法，其特征在于，所述对所述用电系数和所述环境系数进行过滤，并对过滤后的用电系数和环境系数进行重构，得
7.根据权利要求1所述的基于人工智能的智能电网管理方法，其特征在于，所述在所述负荷预测模型的性能测试结果满足预设性能条件的情况下，基于所述负荷预测模型根据所述用电区域的当前环境数据对当前用电数据进行预测，包括：
8.一种基于人工智能的智能电网管理装置，其特征在于，所述基于人工智能的智能电网管理装置包括：
9.一种终端设备，其特征在于，所述终端设备包括处理器、存储器；
10.一种计算机存储介质，用于计算机存储，其特征在于，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至7中任一项所述的基于人工智能的智能电网管理方法的步骤。
...【技术特征摘要】
1.一种基于人工智能的智能电网管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据，包括：
3.根据权利要求2所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设的空间尺度，分别计算预设区域内的所述用电期望数据的总和以及所述环境期望数据的均值，得到所述用电时序数据和所述环境时序数据，包括：
4.根据权利要求1所述的基于人工智能的智能电网管理方法，其特征在于，所述基于预设的分析模型，对所述用电时序数据和环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据，包括：
5.根据权利要求4所述的基于人工智能的智能电网管理方法，其特征在于，所述对所述用电时序数据和所述环境时序数据进行小波变换，得到用电系数和环境系数，包括：
<...
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。