面向电力大数据可视化的信息融合方法技术

本申请涉及智能融合领域，其具体地公开了一种面向电力大数据可视化的信息融合方法，其基于发电量特征与调度量特征之间的隐含关联，以此来判断电网发电

【技术实现步骤摘要】
面向电力大数据可视化的信息融合方法


[0001]本申请涉及智能融合领域，且更为具体地，涉及一种面向电力大数据可视化的信息融合方法。

技术介绍

[0002]在电力系统中，电网发电和调度是不可或缺的环节。发电量和调度量链条之间的运转将会影响到电力系统的运行效率。发电量的发电不当还导致供电能力下降、负荷失衡，而调度量的调度的不当会导致线路产生拥堵情况产生影响。若发电和调度链条运转不当，会影响电力系统的正常运转，从而影响用户的用电体验。
[0003]因此，期望一种优化的面向电力大数据可视化的信息融合的方案。通过基于使用深度学习算法对电网发电值和调度值之间的隐含关系判断电网发电
‑
调度链条的运转状态是否正常。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种面向电力大数据可视化的信息融合，其基于发电量特征与调度量特征之间的隐含关联，以此来判断电网发电
‑
调度链条的运转状态是否正常。具体地，基于深度学习的深度神经网络模型模拟并建立发电值和调度值的时序变化之间的隐含关系，采用多尺度领域提取模块，并以此来判断电网发电
‑
调度链条的运转状态是否正常。这样，能够确保电力系统的正常运转，从而保证用户的用电体验。
[0005]相应地，根据本申请的一个方面，提供了一种面向电力大数据可视化的信息融合方法，其包括：
[0006]获取预定时间段内多个预定时间点的发电值和调度值；
[0007]将所述多个预定时间点的发电值按照时间维度排列为发电值输入向量；
[0008]将所述发电值输入向量通过第一多尺度邻域特征提取模块以得到发电值特征向量；
[0009]将所述多个预定时间点的调度值按照时间维度排列为调度值输入向量后通过第二多尺度邻域特征提取模块以得到调度值特征向量；
[0010]对所述发电值特征向量和所述调度值特征向量进行基于异质类特征关联的特征融合以得到所述分类特征向量；以及
[0011]将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示电网发电
‑
调度链条的运转状态是否正常。
[0012]在上述面向电力大数据可视化的信息融合方法中，将所述发电值输入向量通过第一多尺度邻域特征提取模块以得到发电值特征向量，包括：将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一尺度发电值特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述发电值输入向量输入所述第一多尺
度邻域特征提取模块的第二卷积层以得到第二尺度发电值特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，使用所述第一多尺度邻域特征提取模块的级联层对所述第一尺度发电值特征向量和所述第二尺度发电值特征向量进行级联以得到所述发电值特征向量。
[0013]在上述面向电力大数据可视化的信息融合方法中，将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一尺度发电值特征向量，包括：使用所述第一多尺度邻域特征提取模块的第一卷积层以如下第一一维卷积公式对所述发电值输入向量进行一维卷积编码以得到所述第一尺度发电值特征向量；
[0014]其中，所述第一一维卷积公式为：
[0015][0016]其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述发电值输入向量，Cov(X)为对发电值输入向量进行一维卷积编码。
[0017]在上述面向电力大数据可视化的信息融合方法中，将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二尺度发电值特征向量，包括：使用所述第一多尺度邻域特征提取模块的第二卷积层以如下第二一维卷积公式对所述发电值输入向量进行一维卷积编码以得到所述第二尺度发电值特征向量；
[0018]其中，所述第二一维卷积公式为：
[0019][0020]其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述发电值输入向量，Cov(X)为对发电值输入向量进行一维卷积编码。
[0021]在上述面向电力大数据可视化的信息融合方法中，将所述多个预定时间点的调度值按照时间维度排列为调度值输入向量后通过第二多尺度邻域特征提取模块以得到调度值特征向量，包括：将所述调度值输入向量输入所述第二多尺度邻域特征提取模块的第三卷积层以得到第一尺度调度值特征向量，其中，所述第三卷积层具有第三长度的第三一维卷积核；将所述调度值输入向量输入所述第二多尺度邻域特征提取模块的第四卷积层以得到第二尺度调度值特征向量，其中，所述第四卷积层具有第四长度的第四一维卷积核，所述第三长度不同于所述第四长度；以及，使用所述第二多尺度邻域特征提取模块的级联层对所述第一尺度调度值特征向量和所述第二尺度调度值特征向量进行级联以得到所述调度值特征向量。
[0022]在上述面向电力大数据可视化的信息融合方法中，将所述调度值输入向量输入所述第二多尺度邻域特征提取模块的第三卷积层以得到第一尺度调度值特征向量，包括：使用所述第二多尺度邻域特征提取模块的第三卷积层以如下第三一维卷积公式对所述调度值输入向量进行一维卷积编码以得到所述第一尺度调度值特征向量；其中，所述第三一维
卷积公式为：
[0023][0024]其中，c为第一一维卷积核在y方向上的宽度、F(c)为第一一维卷积核参数向量、G(y
‑
c)为与卷积核函数运算的局部向量矩阵，z为第一一维卷积核的尺寸，Y表示所述调度值输入向量，Cov(Y)为对调度值输入向量进行一维卷积编码。
[0025]在上述面向电力大数据可视化的信息融合方法中，将所述调度值输入向量输入所述第二多尺度邻域特征提取模块的第四卷积层以得到第二尺度调度值特征向量，包括：使用所述第二多尺度邻域特征提取模块的第四卷积层以如下第四一维卷积公式对所述调度值输入向量进行一维卷积编码以得到所述第二尺度调度值特征向量；其中，所述第四一维卷积公式为：
[0026][0027]其中，d为第二一维卷积核在y方向上的宽度、F(d)为第二一维卷积核参数向量、G(y
‑
d)为与卷积核函数运算的局部向量矩阵，n为第二一维卷积核的尺寸，Y表示所述调度值输入向量，Cov(Y)为对调度值输入向量进行一维卷积编码。
[0028]在上述面向电力大数据可视化的信息融合方法中，对所述发电值特征向量和所述调度值特征向量进行基于异质类特征关联的特征融合以得到所述分类特征向量，包括：计算所述发电值特征向量和所述调度值特征向量的每个元素的平均值和标准差；对所述发电值特征向量和所述调度值特征向量的每个元素进行归一化处理以使得所述发电值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向电力大数据可视化的信息融合方法，其特征在于，包括：获取预定时间段内多个预定时间点的发电值和调度值；将所述多个预定时间点的发电值按照时间维度排列为发电值输入向量；将所述发电值输入向量通过第一多尺度邻域特征提取模块以得到发电值特征向量；将所述多个预定时间点的调度值按照时间维度排列为调度值输入向量后通过第二多尺度邻域特征提取模块以得到调度值特征向量；对所述发电值特征向量和所述调度值特征向量进行基于异质类特征关联的特征融合以得到所述分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示电网发电
‑
调度链条的运转状态是否正常。2.根据权利要求1所述的面向电力大数据可视化的信息融合方法，其特征在于，将所述发电值输入向量通过第一多尺度邻域特征提取模块以得到发电值特征向量，包括：将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一尺度发电值特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二尺度发电值特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及使用所述第一多尺度邻域特征提取模块的级联层对所述第一尺度发电值特征向量和所述第二尺度发电值特征向量进行级联以得到所述发电值特征向量。3.根据权利要求2所述的面向电力大数据可视化的信息融合方法，其特征在于，将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一尺度发电值特征向量，包括：使用所述第一多尺度邻域特征提取模块的第一卷积层以如下第一一维卷积公式对所述发电值输入向量进行一维卷积编码以得到所述第一尺度发电值特征向量；其中，所述第一一维卷积公式为：其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述发电值输入向量，Cov(X)为对发电值输入向量进行一维卷积编码。4.根据权利要求3所述的面向电力大数据可视化的信息融合方法，其特征在于，将所述发电值输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二尺度发电值特征向量，包括：使用所述第一多尺度邻域特征提取模块的第二卷积层以如下第二一维卷积公式对所述发电值输入向量进行一维卷积编码以得到所述第二尺度发电值特征向量；其中，所述第二一维卷积公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述发电值输入向量，Cov(X)为对发电值输入向量进行一维卷积编码。5.根据权利要求4所述的面向电力大数据可视化的信息融合方法，其特征在于，将所述多个预定时间点的调度值按照时间维度排列为调度值输入向量后通过第二多尺度邻域特征提取模块以得到调度值特征向量，包括：...

【专利技术属性】
技术研发人员：梅美玲，
申请(专利权)人：杭州保信智能设备有限公司，
类型：发明
国别省市：