【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种智能化开关柜智能控制方法及控制系统。
技术介绍
1、在电力系统中，开关柜作为关键的电力分配与控制设备，其运行稳定性和安全性对整个电力系统的稳定运行至关重要。然而，随着电力系统的不断发展和复杂化，传统的开关柜控制方式逐渐暴露出诸多不足。传统开关柜主要依赖简单的保护，不仅效率低下，而且容易出现误操作，增加了运行风险。此外，传统开关柜缺乏对实时运行数据的深入分析和预测能力，难以及时发现和应对潜在故障，影响了电力系统的整体可靠性和安全性。在现有技术中，尽管已经有一些针对开关柜的智能化改造尝试，但这些尝试往往局限于局部功能的自动化升级，未能形成系统化的智能控制方案。例如，部分系统通过增加传感器来监测开关柜内部参数，但缺乏高效的数据处理和分析能力，无法从海量数据中提取出有价值的信息用于控制决策。如何实现对开关柜内部参数的实时、准确监测，成为亟待解决的问题。
技术实现思路
1、有鉴于此，本申请提供一种智能化开关柜智能控制方法及控制系统。
2、本申请实施例的技术方案是这样实现的：一方面，本申请提供一种智能化开关柜智能控制方法，所述方法包括：获取目标监测数据流和目标开关柜的控制数据流集合；在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合；依据所述相关数据流集合和所述目标监测数据流，获得融合数据流集合，将所述融合数据流集合加载到目标数据流识别神经网络；所述目标数据流识别神经网络包括预设的数据流表征向量集合，所述目标数据流识别神经网络是
3、本申请的有益效果至少包括：本申请实施例提供的智能化开关柜智能控制方法及控制系统，获取目标监测数据流和目标开关柜的控制数据流集合；从目标开关柜的控制数据流集合中确定目标监测数据流的相关数据流集合；依据相关数据流集合和目标监测数据流，获得融合数据流集合，将融合数据流集合加载到目标数据流识别神经网络；目标数据流识别神经网络包括预设的数据流表征向量集合，目标数据流识别神经网络是依据先验开关柜的控制数据流集合调试获得；基于目标数据流识别神经网络，在预设的数据流表征向量集合中搜索融合数据流集合中各个数据流对应的预设数据流表征向量，对搜索到的各个预设数据流表征向量进行表征向量融合，获得融合数据流集合的数据流集合表征向量；数据流集合表征向量用以确定目标开关柜对所述目标监测数据流的控制触发概率。基于此，对目标开关柜的控制数据流集合进行数据流筛选，获得目标监测数据流的相关数据流集合，可以防止直接对大规模数据流进行编码，能有效减小计算开销，增加数据处理速度。目标数据流识别神经网络是依据先验开关柜的控制数据流集合调试获得，可以精确提取数据流集合的编码特征，则将依据相关数据流集合和目标监测数据流得到的融合数据流集合加载到目标数据流识别神经网络进行编码，可以得到精确的特征。目标数据流识别神经网络基于针对目标监测数据流和相关数据流集合搜索到的初始数据流表征向量，对目标监测数据流和相关数据流集合进行协同编码，基于编码得到的数据流集合表征向量，可以精确表征目标开关柜在目标监测数据流上的特征。之后依据数据流集合表征向量可以确定目标开关柜对所述目标监测数据流的控制触发概率，使得开关柜的控制更加准确可靠。
本文档来自技高网...【技术保护点】
1.一种智能化开关柜智能控制方法，其特征在于，所述方法包括：获取目标监测数据流和目标开关柜的控制数据流集合；在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合；依据所述相关数据流集合和所述目标监测数据流，获得融合数据流集合，将所述融合数据流集合加载到目标数据流识别神经网络；所述目标数据流识别神经网络包括预设的数据流表征向量集合，所述目标数据流识别神经网络是依据先验开关柜的控制数据流集合调试获得；基于所述目标数据流识别神经网络，在所述预设的数据流表征向量集合中搜索所述融合数据流集合中各个数据流对应的预设数据流表征向量，对搜索到的各个预设数据流表征向量进行表征向量融合，获得所述融合数据流集合的数据流集合表征向量；所述数据流集合表征向量用以确定所述目标开关柜对所述目标监测数据流的控制触发概率。
2.根据权利要求1所述的方法，其特征在于，所述在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合，包括：针对所述目标监测数据流和所述目标开关柜的控制数据流集合中的控制数据流，提取数据流的目标监测数据流表征向量；所述目标监测数据流表征向量是对
3.根据权利要求2所述的方法，其特征在于，所述针对所述目标监测数据流和所述目标开关柜的控制数据流集合中的控制数据流，提取数据流的目标监测数据流表征向量，包括：依据当下数据流的数据项生成当下数据项集合，将所述当下数据项集合加载到目标下采样网络；所述当下数据流为所述目标监测数据流或所述目标开关柜的控制数据流集合中的控制数据流，所述目标下采样网络包括初始数据流表征向量集合；基于所述目标下采样网络，在所述初始数据流表征向量集合中搜索所述当下数据流的数据项对应的初始数据流表征向量，对搜索到的初始数据流表征向量进行表征信息强化和表征信息下采样，获得所述当下数据流的目标监测数据流表征向量。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取第一数据项集合，将所述第一数据项集合加载到初始下采样网络；所述第一数据项集合是依据第一先验开关柜的控制数据流集合获得的，所述初始下采样网络包括所述初始数据流表征向量集合；基于所述初始下采样网络，在所述初始数据流表征向量集合中搜索所述第一数据项集合中位于第一分布位置之前的各个数据项对应的初始数据流表征向量，对搜索到的各个初始数据流表征向量进行表征信息强化和表征信息下采样，获得所述第一分布位置对应的预估数据流表征向量，依据所述第一分布位置对应的预估数据流表征向量，获得所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度；所述第一分布位置通过在所述第一数据项集合的各个数据项分布位置中获取得到，所述第一预估置信度表征所述第一分布位置对应的数据流和所述第一分布位置对应的前序数据流集合之间的预估相关系数；依据所述第一数据项集合中在各个第一分布位置上的数据项分别对应的第一预估置信度，获得第一误差；依据所述第一误差修正所述初始下采样网络的网络配置变量，直到符合第一训练停止要求，获得所述目标下采样网络。
5.根据权利要求4所述的方法，其特征在于，所述依据所述第一分布位置对应的预估数据流表征向量，获得所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度，包括：将所述第一分布位置对应的预估数据流表征向量进行预设维度映射，获得所述第一分布位置对应的初始数据流分布表征向量；所述初始数据流分布表征向量包括候选数据流集合中各个候选数据流分别对应的表征向量；对所述初始数据流分布表征向量进行归一化处理，获得所述第一分布位置对应的目标数据流分布表征向量；所述目标数据流分布表征向量包括所述候选数据流集合中各个候选数据流分别对应的第一预估置信度，所述候选数据流集合包括所述第一数据项集合中各个数据项分别对应的数据流；在所述目标数据流分布表征向量中，确定所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度；所述初始下采样网络包括编码组件、映射组件、调节组件和输出组件，所述编码组件用于搜索初始数据流表征向量，所述映射组件用于表征信息下采样，所述调节组件用于表征信息强化，所述输出组件用于输出第一预估置信度；所述依据所述第一误差修正所述初始下采样网络的网络配置变量，直到符合第一训练停止要求，获得所述目标下采样网络，包括：依据所述第一误差修正所述初始下采样网络中映射组件、调节组件和输出组件的网络配置变量，直到符合第一训练停止要求，获得所述目标下采样网络。
6.根...
【技术特征摘要】
1.一种智能化开关柜智能控制方法，其特征在于，所述方法包括：获取目标监测数据流和目标开关柜的控制数据流集合；在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合；依据所述相关数据流集合和所述目标监测数据流，获得融合数据流集合，将所述融合数据流集合加载到目标数据流识别神经网络；所述目标数据流识别神经网络包括预设的数据流表征向量集合，所述目标数据流识别神经网络是依据先验开关柜的控制数据流集合调试获得；基于所述目标数据流识别神经网络，在所述预设的数据流表征向量集合中搜索所述融合数据流集合中各个数据流对应的预设数据流表征向量，对搜索到的各个预设数据流表征向量进行表征向量融合，获得所述融合数据流集合的数据流集合表征向量；所述数据流集合表征向量用以确定所述目标开关柜对所述目标监测数据流的控制触发概率。
2.根据权利要求1所述的方法，其特征在于，所述在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合，包括：针对所述目标监测数据流和所述目标开关柜的控制数据流集合中的控制数据流，提取数据流的目标监测数据流表征向量；所述目标监测数据流表征向量是对数据流的初始数据流表征向量进行下采样得到的；依据所述目标监测数据流和所述控制数据流各自的目标监测数据流表征向量之间的空间相似系数，在所述目标开关柜的控制数据流集合中确定所述目标监测数据流的相关数据流集合。
3.根据权利要求2所述的方法，其特征在于，所述针对所述目标监测数据流和所述目标开关柜的控制数据流集合中的控制数据流，提取数据流的目标监测数据流表征向量，包括：依据当下数据流的数据项生成当下数据项集合，将所述当下数据项集合加载到目标下采样网络；所述当下数据流为所述目标监测数据流或所述目标开关柜的控制数据流集合中的控制数据流，所述目标下采样网络包括初始数据流表征向量集合；基于所述目标下采样网络，在所述初始数据流表征向量集合中搜索所述当下数据流的数据项对应的初始数据流表征向量，对搜索到的初始数据流表征向量进行表征信息强化和表征信息下采样，获得所述当下数据流的目标监测数据流表征向量。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取第一数据项集合，将所述第一数据项集合加载到初始下采样网络；所述第一数据项集合是依据第一先验开关柜的控制数据流集合获得的，所述初始下采样网络包括所述初始数据流表征向量集合；基于所述初始下采样网络，在所述初始数据流表征向量集合中搜索所述第一数据项集合中位于第一分布位置之前的各个数据项对应的初始数据流表征向量，对搜索到的各个初始数据流表征向量进行表征信息强化和表征信息下采样，获得所述第一分布位置对应的预估数据流表征向量，依据所述第一分布位置对应的预估数据流表征向量，获得所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度；所述第一分布位置通过在所述第一数据项集合的各个数据项分布位置中获取得到，所述第一预估置信度表征所述第一分布位置对应的数据流和所述第一分布位置对应的前序数据流集合之间的预估相关系数；依据所述第一数据项集合中在各个第一分布位置上的数据项分别对应的第一预估置信度，获得第一误差；依据所述第一误差修正所述初始下采样网络的网络配置变量，直到符合第一训练停止要求，获得所述目标下采样网络。
5.根据权利要求4所述的方法，其特征在于，所述依据所述第一分布位置对应的预估数据流表征向量，获得所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度，包括：将所述第一分布位置对应的预估数据流表征向量进行预设维度映射，获得所述第一分布位置对应的初始数据流分布表征向量；所述初始数据流分布表征向量包括候选数据流集合中各个候选数据流分别对应的表征向量；对所述初始数据流分布表征向量进行归一化处理，获得所述第一分布位置对应的目标数据流分布表征向量；所述目标数据流分布表征向量包括所述候选数据流集合中各个候选数据流分别对应的第一预估置信度，所述候选数据流集合包括所述第一数据项集合中各个数据项分别对应的数据流；在所述目标数据流分布表征向量中，确定所述第一数据项集合中在所述第一分布位置上的数据项所对应的第一预估置信度；所述初始下采样网络包括编码组件、映射组件、调节组件和输出组件，所述编码组件用于搜索初始数据流表征向量，所述映射组件用于表征信息下采样，所述调节组件用于表征信息强化，所述输出组件用于输出第一预...
【专利技术属性】
技术研发人员：李光辉，韩茂龙，黄丽华，张锐豪，陈静銮，陈泽纯，李君，林逸轩，
申请(专利权)人：广东米勒电气有限公司，
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。