/p>2、第一方面，本申请提供了一种配电网自适应协同决策方法，包括：
3、根据目标配电网中分布式电源的接入位置和参数，划分分布式电源集群，基于划分的分布式电源集群，获取所述目标配电网的电网历史运行数据；
4、基于预设模型参数、所述配电网历史运行数据和所述目标配电网的拓扑连接关系进行模型构建处理，得到基于图卷积神经网络的配电网自适应协同决策模型和训练集；
5、基于拆分学习对所述配电网自适应协同决策模型进行拆分处理，得到边缘侧轻量化模型和云侧大体量模型；
6、通过所述训练集对所述边缘侧轻量化模型和所述云侧大体量模型进行模型训练处理，在所述模型训练过程中基于联邦学习对所述云侧大体量模型进行参数融合更新，并基于自适应奖励机制对所述云侧大体量模型进行损失函数权重调整，得到训练完成后的目标边缘模型和目标云侧模型；
7、基于所述目标边缘模型和所述目标云侧模型进行所述目标配电网的协同决策处理，得到协同决策结果。
8、在其中一个实施例中，所述训练集包括每个训练样本的节点隐私数据矩阵和标签矩阵；
9、所述节点隐私数据矩阵基于所述配电网历史运行数据中的节点有功功率数据和节点无功功率数据构建，所述节点隐私数据矩阵表示为：
10、
11、上式中，xn,g表示集群n在h时刻的节点隐私数据矩阵，和分别表示集群n在h时刻的i节点的有功功率数据与节点无功功率数据，i表示节点序号，i表示配电网的节点总数；
12、所述标签矩阵基于所述配电网历史运行数据中的分布式电源无功出力数据构建，标签矩阵表示为：
13、
14、上式中，yn,h表示集群n在h时刻的标签矩阵，表示集群n在h时刻第r个分布式电源的无功出力数据，r表示分布式电源序号，r表示配电网的分布式电源总数。
15、在其中一个实施例中，所述通过所述训练集对所述边缘侧轻量化模型和所述云侧大体量模型进行模型训练处理包括：
16、将所述训练集中训练样本的节点隐私数据矩阵和标签矩阵输入至对应的边缘侧轻量化模型，通过所述边缘侧轻量化模型进行正向传播处理，得到切割层数据；
17、将所述切割层数据发送至所述云侧大体量模型，通过所述云侧大体量模型对所述切割层数据进行正向传播处理，得到输出层损失和输出层梯度，并更新所述云侧大体量模型的网络参数；
18、通过所述云侧大体量模型将所述输出层损失反向传播至切割层生成切割层梯度，将所述切割层梯度发送至所述边缘侧轻量化模型；
19、通过所述边缘侧轻量化模型对所述切割层梯度进行反向传播处理，以更新所述边缘侧轻量化模型的模型参数。
20、在其中一个实施例中，所述在所述模型训练过程中基于联邦学习对所述云侧大体量模型进行参数融合更新包括：
21、在模型训练过程中的每轮训练结束后，基于联邦平均算法整合所有集群的云侧大体量模型的网络参数，获取全局参数；
22、根据所述全局参数更新所述云侧大体量模型的网络参数。
23、在其中一个实施例中，所述基于自适应奖励机制对所述云侧大体量模型进行损失函数调整包括：
24、获取所述训练集中训练样本在各个时刻的平均电压偏差指标；
25、基于所述平均电压偏差指标，确定各个时刻的损失函数加权值；
26、基于所述各个时刻的损失函数加权值对所述云侧大体量模型进行损失函数调整处理，得到损失函数调整后的云侧大体量模型。
27、在其中一个实施例中，所述基于所述目标边缘模型和所述目标云侧模型进行所述目标配电网的协同决策处理，得到协同决策结果包括：
28、基于所述目标边缘模型和所述目标云侧模型进行所述目标配电网的协同决策处理，得到分布式电源决策数据；
29、对所述分布式电源决策数据进行掩模处理，得到协同决策结果。
30、第二方面，本申请还提供了一种配电网自适应协同决策装置，包括：
31、数据获取模块，用于根据目标配电网中分布式电源的接入位置和参数，划分分布式电源集群，基于划分的分布式电源集群，获取所述目标配电网的电网历史运行数据；
32、模型构建模块，用于基于预设模型参数、所述配电网历史运行数据和所述目标配电网的拓扑连接关系进行模型构建处理，得到基于图卷积神经网络的配电网自适应协同决策模型和训练集；
33、模型拆分模块，用于基于拆分学习对所述配电网自适应协同决策模型进行拆分处理，得到边缘侧轻量化模型和云侧大体量模型；
34、模型训练模块，用于通过所述训练集对所述边缘侧轻量化模型和所述云侧大体量模型进行模型训练处理，在所述模型训练过程中基于联邦学习对所述云侧大体量模型进行参数融合更新，并基于自适应奖励机制对所述云侧大体量模型进行损失函数权重调整，得到训练完成后的目标边缘模型和目标云侧模型；
35、协同决策模块，用于基于所述目标边缘模型和所述目标云侧模型进行所述目标配电网的协同决策处理，得到协同决策结果。
36、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
37、根据目标配电网中分布式电源的接入位置和参数，划分分布式电源集群，基于划分的分布式电源集群，获取所述目标配电网的电网历史运行数据；...
【技术保护点】
1.一种配电网自适应协同决策方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述训练集包括每个训练样本的节点隐私数据矩阵和标签矩阵；
3.根据权利要求2所述的方法，其特征在于，所述通过所述训练集对所述边缘侧轻量化模型和所述云侧大体量模型进行模型训练处理包括：
4.根据权利要求3所述的方法，其特征在于，所述在所述模型训练过程中基于联邦学习对所述云侧大体量模型进行参数融合更新包括：
5.根据权利要求3所述的方法，其特征在于，所述基于自适应奖励机制对所述云侧大体量模型进行损失函数调整包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标边缘模型和所述目标云侧模型进行所述目标配电网的协同决策处理，得到协同决策结果包括：
7.一种配电网自适应协同决策装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...
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。