【技术实现步骤摘要】
本申请涉及风险管理，尤其涉及一种基于人工智能算法模型安全风险评估系统及方法。
技术介绍
1、虚拟电厂是一种整合分布式能源资源的技术和管理平台。通过先进的信息和通信技术，虚拟电厂能够实时监控和调度分布式能源资源，实现资源的优化配置和协同工作，从而提高电力系统的灵活性和可靠性，从而在功能上像一个传统发电厂一样运行。
2、虚拟电厂通常与电力需求系统配套使用，由于虚拟电厂不具有传统发电单位方便统一管理的特性，因此传统发电单位的风险管理方法无法适用于虚拟电厂。
技术实现思路
1、本申请实施例提供一种基于人工智能算法模型安全风险评估系统及方法，本申请采用如下技术方案：
2、第一方面，提供一种基于人工智能算法模型安全风险评估系统，一种基于人工智能算法模型安全风险评估系统，系统包括：
3、获取模块，用于获取虚拟电厂的历史资源数据以及待监测系统的多维运行参数，并根据实时资源数据与多维运行参数，构建第一阶段风险评估模型；
4、第一评估模块，用于获取虚拟电厂的第一运行周期的实时资源数据，并根据第一运行周期的实时资源数据和第一阶段风险评估模型，获得第一安全风险评估结果；
5、第二评估模块，用于获取实时噪声影响数据，并根据实时噪声影响数据，对第一阶段风险评估模型进行动态修正，获得第二阶段风险评估模型；
6、比较模块，用于根据第一运行周期的实时资源数据和第二阶段风险评估模型，获得第二安全风险评估结果，根据第一安全风险评估结果和第二安全风险
7、第三评估模块，用于获取虚拟电厂的第二运行周期的实时资源数据，根据第二运行周期的实时资源数据和目标风险评估模型，确定目标安全风险评估结果。
8、在一种可行的实施方式中，包括：
9、筛选子模块，用于从待监测系统的多维运行参数中筛选出用于风险评估的多个目标风险评估参数；
10、模型构建子模块，用于根据目标风险评估参数和实时资源数据构建多个备选风险评估模型；
11、模型融合子模块，用于对多个备选风险评估模型进行模型融合，以构建第一阶段风险评估模型。
12、在一种可行的实施方式中，模型构建子模块包括：
13、组合单元，用于任意组合至少两个目标评估参数，以获得多个组合结果，其中，每个组合结果对应一个历史资源数据集，历史资源数据集包括第一数据集和第二数据集；
14、训练单元，用于基于第一数据集，对预设模型进行训练，以获得初始风险评估模型；
15、校验单元，用于基于第二数据集，对初始风险评估模型进行准确度校验，以获得备选风险评估模型。
16、在一种可行的实施方式中，筛选子模块，包括：
17、计算单元，用于对每个维度的运行参数进行降维处理，并计算降维处理后的每个维度的运行参数对应的信息量；
18、筛选单元，用于根据信息量的大小，对多维运行参数进行筛选，以获得目标运行参数。
19、在一种可行的实施方式中，比较模块包括：
20、优化方向确定子模块，用于根据第一安全风险评估结果和第二安全风险评估结果的比较结果，确定第二阶段风险评估模型相对于第一阶段风险评估模型的优化方向；
21、第一优化子模块，用于在第二阶段风险评估模型相对于第一阶段风险评估模型的优化方向为正向优化的情况下，执行第一优化策略；
22、第二优化子模块，用于在第二阶段风险评估模型相对于第一阶段风险评估模型的优化方向为负向优化的情况下，执行第二优化策略。
23、在一种可行的实施方式中，第一优化子模块包括：
24、模型确定单元，用于确定第二阶段风险评估模型为主模型，第一阶段风险评估模型为辅模型；
25、优化方向确定单元，用于根据主模型对辅模型进行知识蒸馏，以确定辅模型的优化方向；
26、优化单元，用于根据优化后的辅模型和主模型进行模型融合，获得目标风险评估模型。
27、在一种可行的实施方式中，第二优化子模块包括：
28、模型确定单元，用于以第一阶段风险评估模型为主模型，以第二阶段风险评估模型为辅模型
29、优化方向确定单元，用于根据主模型对辅模型进行知识蒸馏，以确定辅模型的优化方向；
30、优化单元，用于根据优化后的辅模型和主模型进行模型融合，获得目标风险评估模型。
31、第二方面，提供了一种基于人工智能算法模型安全风险评估方法，应用于第一方面的基于人工智能算法模型安全风险评估系统，方法包括：
32、获取虚拟电厂的历史资源数据以及待监测系统的多维运行参数，并根据实时资源数据与多维运行参数，构建第一阶段风险评估模型；
33、获取虚拟电厂的第一运行周期的实时资源数据，并根据第一运行周期的实时资源数据和第一阶段风险评估模型，获得第一安全风险评估结果；
34、获取实时噪声影响数据，并根据实时噪声影响数据，对第一阶段风险评估模型进行动态修正，获得第二阶段风险评估模型；
35、根据第一运行周期的实时资源数据和第二阶段风险评估模型，获得第二安全风险评估结果，根据第一安全风险评估结果和第二安全风险评估结果的比较结果，确定目标风险评估模型；
36、获取虚拟电厂的第二运行周期的实时资源数据，根据第二运行周期的实时资源数据和目标风险评估模型，确定目标安全风险评估结果。
37、在一种可行的实施方式中，根据实时资源数据与多维运行参数，构建第一阶段风险评估模型，包括：
38、任意组合至少两个目标评估参数，以获得多个组合结果，其中，每个组合结果对应一个历史资源数据集，历史资源数据集包括第一数据集和第二数据集；
39、基于第一数据集，对预设模型进行训练，以获得初始风险评估模型；
40、基于第二数据集，对初始风险评估模型进行准确度校验，以获得备选风险评估模型。
41、在一种可行的实施方式中，从待监测系统的多维运行参数中筛选出用于风险评估的多个目标风险评估参数，包括：
42、对每个维度的运行参数进行降维处理，并计算降维处理后的每个维度的运行参数对应的信息量；
43、根据信息量的大小，对多维运行参数进行筛选，以获得目标运行参数。
44、在一种可行的实施方式中，从待监测系统的多维运行参数中筛选出用于风险评估的多个目标风险评估参数，包括：
45、计算单元，用于对每个维度的运行参数进行降维处理，并计算降维处理后的每个维度的运行参数对应的信息量；
46、筛选单元，用于根据信息量的大小，对多维运行参数进行筛选，以获得目标运行参数。
47、在一种可行的实施方式中，根据第一安全风险评估结果和第二安全风险评估结果的比较结果，确定目标风险评估模型包括：
48、优化方向确定子模块，用于根据第一安全风险评估结果和第本文档来自技高网...
【技术保护点】
1.一种基于人工智能算法模型安全风险评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的评估系统，其特征在于，所述获取模块，包括：
3.根据权利要求2所述的评估系统，其特征在于，所述模型构建子模块包括：
4.根据权利要求2所述的评估系统，其特征在于，所述筛选子模块，包括：
5.根据权利要求1所述的评估系统，其特征在于，所述比较模块包括：
6.根据权利要求5所述的评估系统，其特征在于，所述第一优化子模块包括：
7.根据权利要求5所述的评估系统，其特征在于，所述第二优化子模块包括：
8.一种基于人工智能算法模型安全风险评估方法，其特征在于，应用于权利要求1-7任一项所述的基于人工智能算法模型安全风险评估系统，所述方法包括：
9.根据权利要求8所述的评估方法，其特征在于，所述根据所述实时资源数据与所述多维运行参数，构建第一阶段风险评估模型，包括：
10.根据权利要求8所述的评估方法，其特征在于，所述从所述待监测系统的多维运行参数中筛选出用于风险评估的多个目标风险评估参数
...【技术特征摘要】
1.一种基于人工智能算法模型安全风险评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的评估系统，其特征在于，所述获取模块，包括：
3.根据权利要求2所述的评估系统，其特征在于，所述模型构建子模块包括：
4.根据权利要求2所述的评估系统，其特征在于，所述筛选子模块，包括：
5.根据权利要求1所述的评估系统，其特征在于，所述比较模块包括：
6.根据权利要求5所述的评估系统，其特征在于，所述第一优化子模块包括：
7.根据...
【专利技术属性】
技术研发人员：伍黎明，肖伟，江礼鹏，刘赐福，
申请(专利权)人：湖南天成新宇网络科技有限公司，
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。