CN113408212B - 一种基于贝叶斯反向传播的电网资源部署分析方法 - Google Patents
一种基于贝叶斯反向传播的电网资源部署分析方法 Download PDFInfo
- Publication number
- CN113408212B CN113408212B CN202110796648.4A CN202110796648A CN113408212B CN 113408212 B CN113408212 B CN 113408212B CN 202110796648 A CN202110796648 A CN 202110796648A CN 113408212 B CN113408212 B CN 113408212B
- Authority
- CN
- China
- Prior art keywords
- power grid
- grid resource
- data
- analysis
- bayesian
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于贝叶斯反向传播的电网资源部署分析方法，包括，获取电网资源数据；根据所述电网资源数据对应的位置信息构建网络标签；将所述网络标签导入仿真分析平台读取关键信息，输出分析报告。本发明能够消除海量数据繁杂、分析复杂、处理不及时的难题，极大地提高效率性和实时性。
Description
技术领域
本发明涉及电网资源分析的技术领域，尤其涉及一种基于贝叶斯反向传播的电网资源部署分析方法。
背景技术
目前，关于电网资源部署建设满足能源互联网要求的高性能平台需要面对管理的要素数量巨大、变化频繁、用户多、响应实时性高的问题，在电网场景中，电网资源数据(即电网空间位置数据及空间数据为索引管理的电网资源数据)具有来源多、数据量巨大、处理分析复杂的特点，这对于当前电网资源部署规划具有极高的难度。
发明内容
本部分的目的在于概述本发明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发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：来源多、数据量巨大、处理分析复杂。
为解决上述技术问题，本发明提供如下技术方案：包括，获取电网资源数据；根据所述电网资源数据对应的位置信息构建网络标签；将所述网络标签导入仿真分析平台读取关键信息，输出分析报告。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：利用云端数据库调取互联网内存储的所述电网资源数据。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：对所述电网资源数据进行清洗、筛选、过滤和标准化处理，形成数据样本集。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：所述数据样本集包括，测试数据集、验证数据集和比对数据集。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：所述网络标签包括，网络编码、标识符号和高程编码；所述网络编码包括，所述电网资源数据的设备位置信息确定的网格码；所述标识符号包括，用于所述高程编码的编码方式；所述高程编码包括，对所述电网资源数据的高程信息的编码。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：包括，基于贝叶斯反向传播原则构建分析电网资源部署的目标函数；对所述目标函数进行编码，形成程序包并导入所述仿真分析平台；所述仿真分析平台微调所述程序包试运行，待读取、试运行结束时，则开始导入所述测试数据集进行测试。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：开启所述仿真分析平台运行，并实时观测、记录分析数据。
作为本发明所述的基于贝叶斯反向传播的电网资源部署分析方法的一种优选方案，其中：将记录的所述分析数据形成excel表格汇总，得到所述分析报告。
本发明的有益效果：本发明能够消除海量数据繁杂、分析复杂、处理不及时的难题，极大地提高效率性和实时性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一个实施例所述的基于贝叶斯反向传播的电网资源部署分析方法的流程示意图；
图2为本发明第二个实施例所述的基于贝叶斯反向传播的电网资源部署分析方法的性能测试对比曲线示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的第一个实施例，提供了一种基于贝叶斯反向传播的电网资源部署分析方法，具体包括：
S1获取电网资源数据。其中需要说明的是：
利用云端数据库调取互联网内存储的电网资源数据；
对电网资源数据进行清洗、筛选、过滤和标准化处理，形成数据样本集；
数据样本集包括，测试数据集、验证数据集和比对数据集。
S2根据电网资源数据对应的位置信息构建网络标签。本步骤需要说明的是：
网络标签包括，网络编码、标识符号和高程编码；
网络编码包括，电网资源数据的设备位置信息确定的网格码；
标识符号包括，用于高程编码的编码方式；
高程编码包括，对电网资源数据的高程信息的编码。
S3将网络标签导入仿真分析平台读取关键信息，输出分析报告。其中还需要说明的是：
基于贝叶斯反向传播原则构建分析电网资源部署的目标函数；
对目标函数进行编码，形成程序包并导入仿真分析平台；
仿真分析平台微调程序包试运行，待读取、试运行结束时，则开始导入测试数据集进行测试；
开启仿真分析平台运行，并实时观测、记录分析数据；
将记录的分析数据形成excel表格汇总，得到分析报告。
优选地，本实施例还需要说明的是，本实施例中提供的仿真分析平台运行编写的程序包对电网资源部署进行分析测试，涉及到的部分运行代码如下所示：
实施例2
参照图2，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于贝叶斯反向传播的电网资源部署分析方法的验证过程，具体包括：
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择以传统的电网资源分析方法与本发明方法进行对比测试，以科学论证的手段对比试验结果，验证本发明方法所具有的的真实效果。
传统的电网资源分析方法无法处理海量数据信息，面对不知来源的巨量信息分析较为繁杂，效率低，误差大，为验证本发明方法相对于传统方法具有较高的效率性和实时性，本实施例中将采用传统方法与本发明方法进行实时测量对比。
测试环境：(1)云服务器、Http数据包、wireshark、service程序；
(2)仿真平台获取云端数据库，找到10000组历史数据作为标准数据库测试样本集；
(3)分别将传统方法的机器学习算法和本发明方法的贝叶斯反向传播算法通过MATLB编写代码导入仿真软件进行状态模拟。
参照图2，实线为本发明方法输出的曲线，虚线为传统方法输出的曲线，根据图2的示意，能够直观的看出，实线与虚线随着时间的增加，呈现不同的走势，实线相较于虚线，在前期一直呈稳定的上升趋势，虽然后期有所下滑，但是波动不大，且一直在虚线的上方，并保持一定的距离，而虚线则呈现较大的波动趋势，不稳定，由此，实线的计算效率一直大于虚线，即验证了本发明方法所具有的真实效果。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种基于贝叶斯反向传播的电网资源部署分析方法，其特征在于：包括，
获取电网资源数据；
根据所述电网资源数据对应的位置信息构建网络标签；
将所述网络标签导入仿真分析平台读取关键信息，输出分析报告；
利用云端数据库调取互联网内存储的所述电网资源数据；
对所述电网资源数据进行清洗、筛选、过滤和标准化处理，形成数据样本集；
所述数据样本集包括，测试数据集、验证数据集和比对数据集；
所述网络标签包括，网络编码、标识符号和高程编码；
所述网络编码包括，所述电网资源数据的设备位置信息确定的网格码；
所述标识符号包括，用于所述高程编码的编码方式；
所述高程编码包括，对所述电网资源数据的高程信息的编码；
基于贝叶斯反向传播原则构建分析电网资源部署的目标函数；
对所述目标函数进行编码，形成程序包并导入所述仿真分析平台；
所述仿真分析平台微调所述程序包试运行，待读取、试运行结束时，则开始导入所述测试数据集进行测试；
开启所述仿真分析平台运行，并实时观测、记录分析数据；
将记录的所述分析数据形成excel表格汇总，得到所述分析报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110796648.4A CN113408212B (zh) | 2021-07-14 | 2021-07-14 | 一种基于贝叶斯反向传播的电网资源部署分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110796648.4A CN113408212B (zh) | 2021-07-14 | 2021-07-14 | 一种基于贝叶斯反向传播的电网资源部署分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113408212A CN113408212A (zh) | 2021-09-17 |
| CN113408212B true CN113408212B (zh) | 2024-04-26 |
Family
ID=77686452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110796648.4A Active CN113408212B (zh) | 2021-07-14 | 2021-07-14 | 一种基于贝叶斯反向传播的电网资源部署分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113408212B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200459A (zh) * | 2020-10-12 | 2021-01-08 | 贵州电网有限责任公司 | 一种配电网数据质量分析评价方法及系统 |
| CN112214485A (zh) * | 2020-08-18 | 2021-01-12 | 北京旋极伏羲科技有限公司 | 基于全球剖分网格的电网资源数据组织规划方法 |
| CN112822033A (zh) * | 2020-08-27 | 2021-05-18 | 贵州电网有限责任公司 | 一种基于云端协同分层自治的能源互联网数据处理方法 |
| CN112924817A (zh) * | 2021-04-15 | 2021-06-08 | 广东电网有限责任公司广州供电局 | 一种基于深度神经网络的配电网故障精确定位方法 |
| CN112953629A (zh) * | 2021-03-16 | 2021-06-11 | 北京邮电大学 | 一种光网络故障预测不确定性分析方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180349158A1 (en) * | 2017-03-22 | 2018-12-06 | Kevin Swersky | Bayesian optimization techniques and applications |
-
2021
- 2021-07-14 CN CN202110796648.4A patent/CN113408212B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214485A (zh) * | 2020-08-18 | 2021-01-12 | 北京旋极伏羲科技有限公司 | 基于全球剖分网格的电网资源数据组织规划方法 |
| CN112822033A (zh) * | 2020-08-27 | 2021-05-18 | 贵州电网有限责任公司 | 一种基于云端协同分层自治的能源互联网数据处理方法 |
| CN112200459A (zh) * | 2020-10-12 | 2021-01-08 | 贵州电网有限责任公司 | 一种配电网数据质量分析评价方法及系统 |
| CN112953629A (zh) * | 2021-03-16 | 2021-06-11 | 北京邮电大学 | 一种光网络故障预测不确定性分析方法及系统 |
| CN112924817A (zh) * | 2021-04-15 | 2021-06-08 | 广东电网有限责任公司广州供电局 | 一种基于深度神经网络的配电网故障精确定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 电力需求侧管理信息数据采集系统的开发与设计;陈磊;韩新阳;温超;董力通;;电力信息化(第05期);82-85 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113408212A (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bagrow et al. | Information flow reveals prediction limits in online social activity | |
| US10515155B2 (en) | Conversational agent | |
| Parwez et al. | Big data analytics for user-activity analysis and user-anomaly detection in mobile wireless network | |
| EP2698967A1 (en) | Social network data mining method for terminal user, and relevant method, device and system | |
| CN110619535B (zh) | 一种数据处理方法及其装置 | |
| US20130311283A1 (en) | Data mining method for social network of terminal user and related methods, apparatuses and systems | |
| CN113326991B (zh) | 自动授权方法、装置、计算机设备及存储介质 | |
| CN115967504A (zh) | 加密恶意流量检测方法、装置、存储介质及电子装置 | |
| CN115080742B (zh) | 文本信息抽取方法、装置、设备、存储介质以及程序产品 | |
| CN109783553A (zh) | 一种配电网海量数据质量提升系统 | |
| US11620547B2 (en) | Estimating number of distinct values in a data set using machine learning | |
| CN111859043A (zh) | 一种gsp通信报文解析方法 | |
| CN112286815A (zh) | 一种接口测试脚本的生成方法及其相关设备 | |
| CN115567269A (zh) | 基于联邦学习与深度学习的物联网异常检测方法及系统 | |
| CN115065623A (zh) | 一种主被动相结合的私有工控协议逆向分析方法 | |
| CN113408212B (zh) | 一种基于贝叶斯反向传播的电网资源部署分析方法 | |
| CN116915442A (zh) | 漏洞测试方法、装置、设备和介质 | |
| CN108920377B (zh) | 一种日志回放测试方法、系统、装置及可读存储介质 | |
| CN118295842A (zh) | 交易系统异常事件的数据处理方法、装置和服务器 | |
| CN117458699B (zh) | 一种自适应场景的电力参数控制方法及系统 | |
| CN107332681A (zh) | 一种故障维度分析方法及网络设备 | |
| CN101556616A (zh) | 信息处理设备、信息处理方法和计算机程序 | |
| CN101222703A (zh) | 一种基于语音辨识的移动终端的身份验证方法 | |
| CN116542013A (zh) | 一种电力边缘计算芯片可靠性评估方法、系统及存储介质 | |
| CN113342998B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |