【技术实现步骤摘要】
本专利技术涉及电力调度，尤其涉及一种基于自然语言处理的电力调度策略处理方法。
技术介绍
1、近年来，全球能源消费持续增长，传统电力系统面临着越来越多的挑战，如提高电力系统的稳定性、安全性和经济性等，为了应对这些挑战，智能电网系统应运而生，通过集成信息技术、通信技术、控制技术等多种先进技术，实现对电力系统的全面监控和优化管理，为现代社会提供高效、清洁、可持续的能源服务，智能电网技术的应用，尤其是智能调度自动化的实施，成为提高电力系统运行效率、保障电力供应安全的重要手段。
2、人工智能技术作为新一代信息技术的重要代表，具有强大的数据处理和自主学习能力，为电力行业的智能化发展提供了有力支持，但现有的智能化调度系统缺乏灵活性、准确性的智能电网调度模式，导致在进行智能化调度的过程中，没有实现多级调度和多层专业的覆盖，没有一体化的架构设计，限制了调度的适应性和响应速度，影响了电力调度的效率和准确性。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术提供了一种基于自然语言处理的电力调度策略处理方法解决如何提高电力调度的效率和准确性的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案
4、第一方面，本专利技术提供了一种基于自然语言处理的电力调度策略处理方法，包括：获取电力调度处理信息，并进行预处理；
5、基于预处理的所述电力调度处理信息，根据预设的调度规则，对所述电力调度处理信息进行关键特征提取与识别，得到目标调度分析结果；
6、通过深度学习算法构建多任务调度模型，获取变电站历史调度数据进行模型训练，将所述目标调度分析结果输入调度模型，生成调度指令；
7、基于所述调度指令，用户进行验证或修改，输出调度结果。
8、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：所述获取电力调度处理信息并进行预处理包括：
9、获取用户输入的电力调度处理信息，并实时检测信息准确性；
10、所述预处理包括文本清洗、数据标准化、停用词去除，再进行信息分词处理。
11、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：对所述电力调度处理信息进行关键特征提取与识别包括：
12、基于预处理的电力调度处理信息，提取关键特征，并根据预设的关键词库进行关键特征分类；
13、所述关键特征分类包括：时间特征、区域特征、设备特征以及其他关键词特征，计算所述其他关键词特征中每个关键词的重要度。
14、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：所述得到目标调度分析结果包括：
15、根据所述调度规则中的第一规则，对所述其他关键词特征与进行数据关联，将关联成功的关键词进行标记，生成一级关键词集合，并根据关联结果得到当前所述电力调度处理信息的任务类型；
16、将与所述第一规则关联不成功的其他关键词特征的重要度值与重要度阈值做比较，若大于重要度阈值，则依次与所述电力调度规则中的第二规则进行数据关联，将关联成功的关键词进行标记，生成二级关键词集合，并根据关联结果得到第一调度设备集合；
17、根据所述设备特征获取对应设备库中的设备信息，生成第二调度设备集合，将所述第一调度设备集合与第二调度设备集合进行合并，得到目标设备集合；
18、将与所述第一规则以及第二规则关联不成功的关键词进行标记，生成三级关键词集合，并结合上下语义关联的所述二级关键词集合中的关键词，确定至少一个任务目标。
19、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：所述构建多任务调度模型包括：
20、通过lstm算法构建所述多任务调度模型，所述多任务调度模型的第一层为输入层，设置所述输入层的输入形状，接收输入数据；
21、第二层为包含128个神经元的双向lstm层，捕捉输入序列的时间依赖性，对序列数据进行处理，并返回序列；
22、第三层为dropout层，设置dropout率；
23、第四层为多头输出层，所述输出层为根据任务类型构建的全连接层，输出最终的调度指令，激活函数为linear，并设置全连接层的输出维度；
24、使用 adam 优化器，设置学习率，损失函数为均方误差，评价指标为平均绝对误差。
25、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：所述获取变电站历史调度数据进行模型训练包括：
26、获取数据集，包括变电站的历史电力调度记录、设备数据以及调度任务目标，其中，所述历史电力调度记录包括任务分类、调度指令、执行结果、环境条件；
27、设置调度标签数据，对每一个任务类别下的每一条调度指令，匹配对应的调度执行结果；
28、将所述数据集按照7:2:1的比例划分为训练集、验证集以及测试集，使用训练集训练模型，设置批量大小和迭代次数，使用验证集数据调整超参数，使用测试集数据评估模型性能，并在每个epoch结束后评估验证集，若在预设轮次内验证集性能没有提升，则停止训练，得到训练好的多任务调度模型。
29、作为本专利技术所述的基于自然语言处理的电力调度策略处理方法的一种优选方案，其中：所述生成调度命令包括：
30、对所述关键特征分类创建映射库，对输入数据进行编码，生成固定维度的向量表示，将所有特征整合成一个输入矩阵，其中，所述输入数据包括时间特征、区域特征、任务类型、任务目标以及目标设备集合；
31、将所述输入矩阵输入到训练好的多任务调度模型中，根据任务类型选择对应的输出层，并根据当前任务类型中任务目标映射的调度标签数据，生成对应的调度指令。
32、第二方面，本专利技术提供了一种基于自然语言处理的电力调度策略处理系统，包括：
33、收集模块，用于获取电力调度处理信息，并进行预处理；
34、特征提取模块，用于基于预处理的所述电力调度处理信息，根据预设的调度规则，对所述电力调度处理信息进行关键特征提取与识别，得到目标调度分析结果；
35、模型构建模块，用于通过深度学习算法构建多任务调度模型，获取变电站历史调度数据进行模型训练，将所述目标调度分析结果输入调度模型，生成调度指令；
36、输出模块，用于基于所述调度指令，用户进行验证或修改，输出调度结果。
37、第三方面，本专利技术提供了一种电子设备，包括：
38、存储器和处理器；
39、所述存储器用于存储计算机可执行指令，所述处理器用于执行所本文档来自技高网...
【技术保护点】
1.一种基于自然语言处理的电力调度策略处理方法，其特征在于，包括：
2.如权利要求1所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述获取电力调度处理信息并进行预处理包括：
3.如权利要求1或2所述的基于自然语言处理的电力调度策略处理方法，其特征在于，对所述电力调度处理信息进行关键特征提取与识别包括：
4.如权利要求3所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述得到目标调度分析结果包括：
5.如权利要求4所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述构建多任务调度模型包括：
6.如权利要求5所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述获取变电站历史调度数据进行模型训练包括：
7.如权利要求6所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述生成调度命令包括：
8.一种基于自然语言处理的电力调度策略处理系统，应用如权利要求1至7任意一项所述的基于自然语言处理的电力调度策略处理方法，其特征在于，包括，
9.一种电子
10.一种计算机可读存储介质，其特征在于，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于自然语言处理的电力调度策略处理方法的步骤。
...【技术特征摘要】
1.一种基于自然语言处理的电力调度策略处理方法，其特征在于，包括：
2.如权利要求1所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述获取电力调度处理信息并进行预处理包括：
3.如权利要求1或2所述的基于自然语言处理的电力调度策略处理方法，其特征在于，对所述电力调度处理信息进行关键特征提取与识别包括：
4.如权利要求3所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述得到目标调度分析结果包括：
5.如权利要求4所述的基于自然语言处理的电力调度策略处理方法，其特征在于，所述构建多任务调度模型包括：
6.如权利要求5所...
【专利技术属性】
技术研发人员：庞海天，樊小毅，邵俊松，宋丹阳，
申请(专利权)人：南京江行联加智能科技有限公司，
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。