【技术实现步骤摘要】
本专利技术涉及电力系统分析与管理，具体而言，涉及一种电力系统中母线负荷的分类方法及装置、电子设备。
技术介绍
1、母线负荷反映了电力系统负荷的集中度和多样性、与供电区域的紧密联系、新能源并网的显著影响、数据处理挑战以及不规则的负荷波动。这些特性对于电力系统的稳定运行和优化调度至关重要，而随着中国新型电力系统的发展，分布式光伏/风电并网比例增加，母线负荷特性变得更加复杂。因此，准确识别和揭示典型的母线负荷波动特性对于电力系统的运行和规划至关重要。
2、目前，母线负荷曲线聚类方法主要分为两类：直接聚类算法和间接聚类算法两类，其中，直接聚类算法如k-means、k-medoids等算法直接使用原始负荷数据进行聚类，由于负荷数据集的高维度特性，导致计算复杂度高、处理时间长；而间接聚类算法，如基于时间序列的方法，是先进行降维和特征提取再进行聚类，但降维和特征提取过程较为复杂，且难以保证特征的有效性。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技...
【技术保护点】
1.一种电力系统中母线负荷的分类方法，其特征在于，包括：
2.根据权利要求1所述的分类方法，其特征在于，所述目标分类模型用于执行如下步骤：
3.根据权利要求2所述的分类方法，其特征在于，所述目标分类模型还用于执行如下步骤：
4.根据权利要求2所述的分类方法，其特征在于，基于所述深度学习策略对所述母线负荷数据进行降维处理，得到所述母线负荷数据对应的嵌入向量的步骤，包括：
5.根据权利要求2所述的分类方法，其特征在于，对于每个所述嵌入向量，基于所述时序卷积网络捕获该嵌入向量与其他嵌入向量之间的时序依赖关系，得到依赖向量的步骤
【技术特征摘要】
1.一种电力系统中母线负荷的分类方法，其特征在于，包括：
2.根据权利要求1所述的分类方法，其特征在于，所述目标分类模型用于执行如下步骤：
3.根据权利要求2所述的分类方法，其特征在于，所述目标分类模型还用于执行如下步骤：
4.根据权利要求2所述的分类方法，其特征在于，基于所述深度学习策略对所述母线负荷数据进行降维处理，得到所述母线负荷数据对应的嵌入向量的步骤，包括：
5.根据权利要求2所述的分类方法，其特征在于，对于每个所述嵌入向量，基于所述时序卷积网络捕获该嵌入向量与其他嵌入向量之间的时序依赖关系，得到依赖向量的步骤，包括：
6.根据权利要求5所述的分类方法，其特征在于，基于所述自注意力机制和所有所述依赖向量对按所述时序关系排列的所有所述嵌入向量进行权重分配，并基于分配到的权重向量计算...
【专利技术属性】
技术研发人员：刘辉，陈茜，沙立成，王海云，王卫，杨莉萍，孙鹤林，郑凯元，赵炜卓，于希娟，庄棪，刘梅，高雪莉，
申请(专利权)人：国网北京市电力公司，
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。