CN115693667A - 基于不对称网架信息的电网供电节点自动分配方法及装置 - Google Patents

基于不对称网架信息的电网供电节点自动分配方法及装置 Download PDF

Info

Publication number
CN115693667A
CN115693667A CN202310006619.2A CN202310006619A CN115693667A CN 115693667 A CN115693667 A CN 115693667A CN 202310006619 A CN202310006619 A CN 202310006619A CN 115693667 A CN115693667 A CN 115693667A
Authority
CN
China
Prior art keywords
asymmetric
grid
information
power grid
standard
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.)
Granted
Application number
CN202310006619.2A
Other languages
English (en)
Other versions
CN115693667B (zh
Inventor
姜磊
郑志钉
苏建朝
孟禹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Brilliant Data Analytics Inc
Original Assignee
Brilliant Data Analytics Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Brilliant Data Analytics Inc filed Critical Brilliant Data Analytics Inc
Priority to CN202310006619.2A priority Critical patent/CN115693667B/zh
Publication of CN115693667A publication Critical patent/CN115693667A/zh
Application granted granted Critical
Publication of CN115693667B publication Critical patent/CN115693667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于不对称网架信息的电网供电节点自动分配方法及装置，包括：对获取的网架信息进行特征提取，得到所述网架信息的不对称特征；对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；根据所述对称特征生成电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构；对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。本发明还提出一种基于不对称网架信息的电网供电节点自动分配装置。本发明可以提高电网供电节点自动分配准确性。

Description

基于不对称网架信息的电网供电节点自动分配方法及装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于不对称网架信息的电网供电节点自动分配方法及装置。
背景技术
随着城市化进程的发展和能源结构调整，电能使用比例逐年上升，社会经济和人民生活对电力的依赖性不断增强，电网中电量分配更是直接影响着用户和企业的用电感受，以及决定着发电厂的电能是否能够高效利用，在配电网的正常运行中，随着用电负荷的变化和系统运行方式的改变，网络中的损耗也将发生变化。为保证电力系统的正常运行，需要对各节点处的进行电量分配。因此如何提升电网供电节点分配准确性，成为了亟待解决的问题。
发明内容
本发明提供一种基于不对称网架信息的电网供电节点自动分配方法及装置，其主要目的在于解决电网供电节点分配时准确性较低的问题。
为实现上述目的，本发明提供的一种基于不对称网架信息的电网供电节点自动分配方法，包括：
获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征；
对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；
根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构；
对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
可选地，所述对所述网架信息进行特征提取，得到所述网架信息的不对称特征，包括：
对所述网架信息进行数据清洗，得到所述网架信息的标准信息；
对所述标准信息进行向量化转化，得到所述标准信息的标准向量；
对所述标准信息进行特征提取，得到所述标准信息的不对称特征。
可选地，所述对所述网架信息进行数据清洗，得到所述网架信息的标准信息，包括：
对所述网架信息进行格式转化，得到所述网架信息的统一格式信息；
对所述统一格式信息进行数据处理，得到所述统一格式信息的标准信息。
可选地，所述对所述标准信息进行向量化转化，得到所述标准信息的标准向量，包括：
对所述标准信息进行分词处理，得到所述标准信息的标准分词；
计算所述标准分词的词频，计算所述标准分词的逆向文件频率；
根据所述词频和所述逆向文件频率对所述标准分词进行分词编码，得到所述标准分词的标准向量。
可选地，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
对所述不对称特征进行特征聚类，得到所述不对称特征的聚类特征；
确定所述聚类特征的聚类标签，根据所述聚类标签对所述聚类特征进行特征填补，得到所述聚类特征的对称特征。
可选地，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
生成所述不对称特征的矩阵目标函数，其中，所述矩阵目标函数为：
Figure 934072DEST_PATH_IMAGE001
其中，
Figure 261149DEST_PATH_IMAGE002
是所述矩阵目标函数，
Figure 811079DEST_PATH_IMAGE003
是所述不对称特征的第一目标矩阵，
Figure 223605DEST_PATH_IMAGE004
是所述不对称特征的第二目标矩阵，
Figure 986025DEST_PATH_IMAGE005
是所述不对称特征的对称特征中元素横向标识，
Figure 26662DEST_PATH_IMAGE006
是所 述不对称特征的对称特征中元素纵向标识，
Figure 481914DEST_PATH_IMAGE007
是所述不对称特征的对称特征横向维度标 识，
Figure DEST_PATH_IMAGE008
是所述不对称特征的对称特征纵向维度标识，
Figure 647317DEST_PATH_IMAGE009
是所述不对称特征的对称特征中第
Figure 213427DEST_PATH_IMAGE005
行第
Figure 249516DEST_PATH_IMAGE006
列元素，
Figure 875670DEST_PATH_IMAGE010
是所述第一目标矩阵和所述第二目标矩阵的点乘矩阵中的第
Figure 449739DEST_PATH_IMAGE005
行第
Figure 553962DEST_PATH_IMAGE006
列 元素；
利用牛顿法和所述矩阵目标函数确定所述不对称特征的目标矩阵，根据所述目标矩阵生成所述不对称特征的对称特征。
可选地，所述根据所述对称特征生成所述电网的权重邻接矩阵，包括：
根据所述对称特征生成所述电网的邻接矩阵；
获取所述电网的边权重，根据所述边权重和所述邻接矩阵生成所述电网的权重邻接矩阵。
可选地，所述利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构，包括：
根据预设的故障度函数确定所述电网的节点重要性；
根据所述节点重要性对所述权重邻接矩阵进行节点标识，得到所述权重邻接矩阵的故障度邻接矩阵；
根据所述故障度邻接矩阵生成所述电网的初始拓扑结构。
可选地，所述对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，包括：
根据所述初始拓扑结构生成所述电网的奇异值序列，利用所述奇异值序列生成所述电网的相似度指标；
利用所述相似度指标确定所述电网的可靠性函数，利于预设的可靠性阈值和所述可靠性函数对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构。
为了解决上述问题，本发明还提供一种基于不对称网架信息的电网供电节点自动分配装置，所述装置包括：
特征提取模块，用于获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征；
特征填补模块，用于对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；
矩阵生成模块，用于根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构；
可靠性验证模块，用于对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
本发明实施例根据获取的网架信息生成电网的不对称特征是为了确定能够进行处理的数据种类，利用特征提取技术确定了所述电网的数据的特征，利用特征填充技术对所述不对称特征进行填充，得到所述电网的对称特征，生成的对称特征能够全面地表征电网，提高了电网表征的准确度和全面性，利用对称特征和预设的故障度函数生成所述电网的初始拓扑结构，使得电网的结构变成了计算机可读的结构，其中，利用预设的故障度函数可以提高电网的表征效果，因为所述预设的故障度函数是对电网线路上的重要性的定量表示，使得所述初始拓扑结构更加贴近于实际的电网，对所述初始拓扑结构进行可靠性验证是为了确定电网的稳态性能，因此本发明提出基于不对称网架信息的电网供电节点自动分配方法及装置，可以解决电网供电节点分配准确性较低的问题。
附图说明
图1为本发明一实施例提供的基于不对称网架信息的电网供电节点自动分配方法的流程示意图；
图2为本发明一实施例提供的信息的向量转化的流程示意图；
图3为本发明一实施例提供的生成电网的初始拓扑结构的流程示意图；
图4为本发明一实施例提供的基于不对称网架信息的电网供电节点自动分配装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于不对称网架信息的电网供电节点自动分配方法。所述基于不对称网架信息的电网供电节点自动分配方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于不对称网架信息的电网供电节点自动分配方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于不对称网架信息的电网供电节点自动分配方法的流程示意图。在本实施例中，所述基于不对称网架信息的电网供电节点自动分配方法包括：
S1、获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征。
在本发明实施例中，所述电网的网架结信息是用来生成所述电网的网架结构的，对于不同区域、不同空间发电厂的电力网架线路构造不同，电网的配电系统是分配电能的终端网络，是由配电线路、用电设备组成，是电力系统中与客户直接相连的一环。
详细地，所述对所述网架信息进行特征提取是为了获取所述电网的基本特征，确定所述电网的所具备的功能，例如发电厂的日常点亮、发电厂的电量损耗、企业用电高峰、居民用电、企业地理分布等。
详细地，由于网架信息的获取来源各异，导致所述网架信息不一定全面且准确，因此，对所述网架信息进行特征提取会得到不对称特征，所述不对称特征是指所述网架信息不够全面，例如：甲电厂能够获取甲的全部信息，乙电厂能够获取乙的全部信息，但是甲电厂却不能获取乙的全部信息，甲电厂却只能获取乙的部分信息。
在本发明实施例中，所述对所述网架信息进行特征提取，得到所述网架信息的不对称特征，包括：
对所述网架信息进行数据清洗，得到所述网架信息的标准信息；
对所述标准信息进行向量化转化，得到所述标准信息的标准向量；
对所述标准信息进行特征提取，得到所述标准信息的不对称特征。
详细地，所述数据清洗是为了得到格式一致、正确性较高的数据，所述格式一致是指将结构化数据、半结构化数据和非结构化数据转化为同一类型，将文本类数据、图片类数据、音频类数据或者视频类数据都转化为统一格式，其中，所述半结构化数据是指；所述正确性较高的数据是指对数据进行缺失值填补、错误值纠正等处理后得到的数据。
详细地，所述对所述网架信息进行数据清洗，得到所述网架信息的标准信息，包括：
对所述网架信息进行格式转化，得到所述网架信息的统一格式信息；
对所述统一格式信息进行数据处理，得到所述统一格式信息的标准信息。
例如，所述格式转化可以是将非结构化数据转化为文档后在转化为结构化数据，其中，根据约束条件所述文档可以是xml文档，而所述非结构化数据可以通过提取有关的元数据生成文档，所述非结构化数据是指数据结构不规则或不完整、没有预定义的数据模型、不方便用数据库二维逻辑表来表现的数据，包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等；所述结构化数据是指由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，也称作行数据，数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的，主要通过关系型数据库进行存储和管理。
详细地，参图2所示，所述对所述标准信息进行向量化转化，得到所述标准信息的标准向量，包括：
S21、对所述标准信息进行分词处理，得到所述标准信息的标准分词；
S22、计算所述标准分词的词频，计算所述标准分词的逆向文件频率；
S23、根据所述词频和所述逆向文件频率对所述标准分词进行分词编码，得到所述标准分词的标准向量。
详细地，所述分词处理可以利用正向最大匹配法、反向最大匹配法、最短路径分词法或者双向最大匹配法；可利用word2vec算法，glove算法对所述标准信息进行向量化转化，得到所述标准信息的标准向量。
详细地，所述词频是指假定存在一份若干个词的文件，其中“电网”这个词出现的次数，那么词频表示为“电网”这个词在某文件中出现的频率；所述逆向文件频率是一个词语普遍重要性的度量，某一特定词语的逆向文件频率，可以由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。
详细地，所述根据所述词频和所述逆向文件频率对所述标准分词进行分词编码的主要思想是如果某个词或短语在一篇文章中出现的频率高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，而如果包含某词条的文档越少，则所述逆向文件频率越大，则说明某词条具有很好的类别区分能力。
S2、对所述不对称特征进行特征填补，得到所述不对称特征的对称特征。
在本发明实施例中，所述对所述不对称特征进行特征填补是指根据所述不对称特征获取所述电网的对称特征，因为所述电网的不对称特征意味着所述电网的信息不够完整，所述特征填补可以理解为根据所述不对称特征进行所述电网的特征预测，根据所述不对称特征的某一部分特性生成所述电网的另一部分未获取到的特性，可以利用递归思想，假设A的特征是不对称特征，B、C和D的特征未知，但是A、B、C和D组成所述电网的对称特征，而且A、B、C和D一次关联，那么，可以由A生成B、由B生成C、由C生成D。
在本发明实施例中，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
对所述不对称特征进行特征聚类，得到所述不对称特征的聚类特征；
确定所述聚类特征的聚类标签，根据所述聚类标签对所述聚类特征进行特征填补，得到所述聚类特征的对称特征。
详细地，所述不对称特征的特证聚类可以利用聚类因子确定，所述聚类因子可以利用聚类特征到所述聚类标签的加权距离值确定。
详细地，所述聚类标签是根据所述不对称特征生成的，所述确定所述聚类特征的聚类标签是指假设所述聚类特征是特征A集合，那么用A标签表示所述聚类标签，所述根据所述聚类标签对所述聚类特征进行特征填补，可以根据所述聚类标签下所述聚类特征的固定值填补，或者根据所述聚类标签下的所述聚类特征的均值进行填补，或者根据所述聚类标签下的所述聚类特征的众数进行填补。
在本发明实施例中，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
生成所述不对称特征的矩阵目标函数，其中，所述矩阵目标函数为：
Figure 710136DEST_PATH_IMAGE001
其中，
Figure 366246DEST_PATH_IMAGE002
是所述矩阵目标函数，
Figure 975082DEST_PATH_IMAGE003
是所述不对称特征的第一目标矩阵，
Figure 148574DEST_PATH_IMAGE004
是所述不对称特征的第二目标矩阵，
Figure 159255DEST_PATH_IMAGE005
是所述不对称特征的对称特征中元素横向标识，
Figure 392790DEST_PATH_IMAGE006
是所 述不对称特征的对称特征中元素纵向标识，
Figure 488922DEST_PATH_IMAGE007
是所述不对称特征的对称特征横向维度标 识，
Figure 934947DEST_PATH_IMAGE008
是所述不对称特征的对称特征纵向维度标识，
Figure 3397DEST_PATH_IMAGE009
是所述不对称特征的对称特征中第
Figure 142255DEST_PATH_IMAGE005
行第
Figure 725683DEST_PATH_IMAGE006
列元素，
Figure 975399DEST_PATH_IMAGE010
是所述第一目标矩阵和所述第二目标矩阵的点乘矩阵中的第
Figure 147623DEST_PATH_IMAGE005
行第
Figure 395064DEST_PATH_IMAGE006
列 元素；
利用牛顿法和所述矩阵目标函数确定所述不对称特征的目标矩阵，根据所述目标矩阵生成所述不对称特征的对称特征。
详细地，不是每个电网的特征因子数据都是全的，这时候就需要缺失值的处理，亦即，将所述电网的不对称特征填补为对称特征。
详细地，所述矩阵目标函数的含义是指所述电网中缺失部分是可以用所述第一目 标矩阵和所述第二目标矩阵的点乘进行衡量，目标是找到最接近缺失部分的点乘，用这个 点乘来对缺失部分进行填充，所述矩阵目标函数表示
Figure 324843DEST_PATH_IMAGE009
与
Figure 378250DEST_PATH_IMAGE010
尽可能接近。
详细地，所述牛顿法又称其为牛顿迭代法，牛顿法的基本思想是利用迭代点处的一阶导数和二阶导数对目标函数进行二次函数近似，然后把二次模型的极小点作为新的迭代点，并不断重复这一过程，直至求得满足精度的近似极小值。牛顿法的速度相当快，而且能高度逼近最优值，所述二阶导数用Hessen矩阵表示。
S3、根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构。
在本发明实施例中，生成所述权重邻接矩阵是因为在实际的配电网中，不同的线路上的设备故障率不尽相同，因此对所有的支路抽象成单位故障率的边，会使图损失大量信息，对可靠性计算的准确性造成严重影响。要弥补上述缺陷，就必须把直接影响可靠性的设备故障率与刻画配电网网架特征的邻接矩阵应用数学手段进行融合。
详细地，生成所述电网的初始拓扑结构因为需要把配电网转换成计算机能够识别的表现形式才方便进行电量分配，任意一个配电网，均可以抽象为一个由节点与支路构成的拓扑结构图。
在本发明实施例中，所述根据所述对称特征生成所述电网的权重邻接矩阵，包括：
根据所述对称特征生成所述电网的邻接矩阵；
获取所述电网的边权重，根据所述边权重和所述邻接矩阵生成所述电网的权重邻接矩阵。
详细地，所述邻接矩阵是一种用来表示网络拓扑结构的常用方式，所述邻接矩阵是指具有若干个顶点的无向图，邻接矩阵的规模与图的节点数有关，对于一个节点数为p的图，其邻接矩阵为p阶方阵，所述邻接矩阵是对称、正定的，是根据所述对称特征生成的。
详细地，所述邻接矩阵是一个只含 0 或 1 元素的对称矩阵，因此只能表示边的存在与否，并不能描述边的权重，所以要生成所述电网的权重邻接矩阵。
详细地，所述权重邻接矩阵对应的表达式为：
Figure 483609DEST_PATH_IMAGE011
其中，
Figure 964269DEST_PATH_IMAGE012
是节点
Figure 256710DEST_PATH_IMAGE013
和节点
Figure 300758DEST_PATH_IMAGE014
之间的设备的故障率，
Figure DEST_PATH_IMAGE015
是无向图中的第
Figure 995045DEST_PATH_IMAGE014
个点，
Figure 646606DEST_PATH_IMAGE016
是 无向图中的第
Figure 629606DEST_PATH_IMAGE013
个点，
Figure 24815DEST_PATH_IMAGE017
是无向图中边的集合，
Figure 573608DEST_PATH_IMAGE018
是所述权重邻接矩阵，
Figure 848600DEST_PATH_IMAGE019
是连接点
Figure 115634DEST_PATH_IMAGE015
和
Figure 48954DEST_PATH_IMAGE016
的边，
Figure 717833DEST_PATH_IMAGE013
是节点标识，
Figure 914459DEST_PATH_IMAGE014
是节点标识。
进一步地，假设节点
Figure 403210DEST_PATH_IMAGE013
和节点
Figure 405801DEST_PATH_IMAGE014
之间无关联，则认为节点
Figure 121996DEST_PATH_IMAGE013
和节点
Figure 286261DEST_PATH_IMAGE014
之间的设备的故 障率为0，亦即，连接点
Figure 527886DEST_PATH_IMAGE015
和
Figure 68589DEST_PATH_IMAGE016
的边对应的权重为0。
例如：假设所述电网存在5节点的配电网，那么所述电网的权重邻接矩阵可以表示为如下形式：
Figure 384164DEST_PATH_IMAGE020
详细地，参图3所示，所述利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构，包括：
S31、根据预设的故障度函数确定所述电网的节点重要性；
S32、根据所述节点重要性对所述权重邻接矩阵进行节点标识，得到所述权重邻接矩阵的故障度邻接矩阵；
S33、根据所述故障度邻接矩阵生成所述电网的初始拓扑结构。
详细地，在一个网络拓扑中，节点的位置以及所连接的负荷差异使每一个节点的重要程度不尽相同。对于在配电网中处于重要地位的节点，与其相关的连接方式及负荷的变化将导致系统可靠性产生较大改变，故用预设的故障度函数体现网络拓扑结构中节点影响因素。
详细地，由所述预设的故障度函数确定节点重要性，所述节点重要性是指该节点下游所有支路的节点重要性与支路所属的负荷点等效负荷量之积的求和，上下游是根据电源点和负荷点的位置确定的，电源点为整个路径的最上游，负荷点为最下游。
详细地，所述故障度函数为：
Figure 984910DEST_PATH_IMAGE021
其中，
Figure 448252DEST_PATH_IMAGE022
是所述权重邻接矩阵的故障度函数，
Figure 792646DEST_PATH_IMAGE023
是节点
Figure 477574DEST_PATH_IMAGE024
下游的负荷点个数，
Figure 983642DEST_PATH_IMAGE025
是负荷点的标识，
Figure 199859DEST_PATH_IMAGE026
是设备的标识，
Figure 20048DEST_PATH_IMAGE027
是负荷点
Figure 372532DEST_PATH_IMAGE025
与节点
Figure 49501DEST_PATH_IMAGE024
之间的支路数，
Figure DEST_PATH_IMAGE028
是设备的故障 率，
Figure 674386DEST_PATH_IMAGE029
是负荷点
Figure 360582DEST_PATH_IMAGE025
的等效负荷量，
Figure 567573DEST_PATH_IMAGE030
是总负荷量。
S4、对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
在本发明实施例中，所述可靠性验证可以基于拓扑相似度进行，配电网拓扑结构的相似性体现在网架结构形状的相似。
进一步地，所述可靠性验证是为了确定所述初始拓扑结构的可靠性，从而且确定所述电网的可靠性。
详细地，电网可靠性包括两方面的内容：即充裕度和安全性。前者是指电网有足够的发电容量和足够的输电容量，在任何时候都能满足用户的峰荷要求，表征了电网的稳态性能，后者是指电网在事故状态下的安全性和避免连锁反应而不会引起失控和大面积停电的能力，表征了电网的动态性能。
在本发明实施例中，所述对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，包括：
根据所述初始拓扑结构生成所述电网的奇异值序列，利用所述奇异值序列生成所述电网的相似度指标；
利用所述相似度指标确定所述电网的可靠性函数，利于预设的可靠性阈值和所述可靠性函数对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构。
详细地，所述奇异值序列能够很好地区分不同的拓扑结构，主要由于奇异值序列由一组元素个数与拓扑节点数相等的序列组成,包含的信息量显然多于其他相似度指标；同时,由于奇异值是一组序列，则不会出现对于不同的拓扑结构对应的奇异值序列完全相等的情况。
进一步地，奇异值分解是矩阵分析中正规矩阵酉对角化的推广，奇异值包含了矩阵的核心信息，具有描述矩阵特征的能力；奇异值分解的作用在于将矩阵看作一个坐标系下的若干点，寻找一个新的坐标系（即新的线性空间），使得该坐标系中第一个坐标轴的方向是最具“差异性”的方向，而这个方向对应的奇异值则能表示差异程度地大小；该坐标系的第二个坐标轴是稍微次要一些的方向，其奇异值也要小一些，所谓有“差异性”的方向是指能最大限度地体现出数据差别的方向。
详细地，因为所述奇异值序列中的奇异值可以表示数据差别，那么所述奇异值就可以用来表示数据相似度，亦即，可以利用所述奇异值序列生成所述电网的相似度指标。
进一步地，所述可靠性函数指的是基于所述相似度指标建立的电网的相似度与可靠性之间的对应关系，所述可靠性函数是对所述相似度指标进行特征提炼而生成的，将所述相似度指标转化为函数表示。
详细地，所述预设的可靠性阈值是经验主义得到地，是人为设定的，假设所述预设的可靠性阈值为1，而所述可靠性函数的函数值大于1所对应的区间为通过可靠性验证的初始拓扑结构，确定通过可靠性验证的初始拓扑结构为标准拓扑结构。
详细地，所述利用所述标准拓扑结构对所述电网进行供电节点分配是因为从所述标准拓扑结构上可以确定电网各个节点信息，利用所述节点信息进行所述电网的供电节点分配。
本发明实施例根据获取的网架信息生成电网的不对称特征是为了确定能够进行处理的数据种类，利用特征提取技术确定了所述电网的数据的特征，利用特征填充技术对所述不对称特征进行填充，得到所述电网的对称特征，生成的对称特征能够全面地表征电网，提高了电网表征的准确度和全面性，利用对称特征和预设的故障度函数生成所述电网的初始拓扑结构，使得电网的结构变成了计算机可读的结构，其中，利用预设的故障度函数可以提高电网的表征效果，因为所述预设的故障度函数是对电网线路上的重要性的定量表示，使得所述初始拓扑结构更加贴近于实际的电网，对所述初始拓扑结构进行可靠性验证是为了确定电网的稳态性能，因此本发明提出基于不对称网架信息的电网供电节点自动分配方法，可以解决电网供电节点分配准确性较低的问题。
如图4所示，是本发明一实施例提供的基于不对称网架信息的电网供电节点自动分配装置的功能模块图。
本发明所述基于不对称网架信息的电网供电节点自动分配装置100可以安装于电子设备中。根据实现的功能，所述基于不对称网架信息的电网供电节点自动分配装置100可以包括特征提取模块101、特征填补模块102、矩阵生成模块103及可靠性验证模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述特征提取模块101，用于获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征；
所述特征填补模块102，用于对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；
所述矩阵生成模块103，用于根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构；
所述可靠性验证模块104，用于对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，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等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述方法包括：
获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征；
对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；
根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构，其中，所述预设的故障度函数为：
Figure 478206DEST_PATH_IMAGE001
其中，
Figure 566248DEST_PATH_IMAGE002
是所述权重邻接矩阵的故障度函数，
Figure 20232DEST_PATH_IMAGE003
是节点
Figure 219132DEST_PATH_IMAGE004
下游的负荷点个数，
Figure 560115DEST_PATH_IMAGE005
是负 荷点的标识，
Figure 819058DEST_PATH_IMAGE006
是设备的标识，
Figure 573387DEST_PATH_IMAGE007
是负荷点
Figure 310399DEST_PATH_IMAGE005
与节点
Figure 20735DEST_PATH_IMAGE004
之间的支路数，
Figure 450579DEST_PATH_IMAGE008
是设备的故障率，
Figure 426625DEST_PATH_IMAGE009
是负荷点
Figure 905011DEST_PATH_IMAGE005
的等效负荷量，
Figure 548482DEST_PATH_IMAGE010
是总负荷量；
对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
2.如权利要求1所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述网架信息进行特征提取，得到所述网架信息的不对称特征，包括：
对所述网架信息进行数据清洗，得到所述网架信息的标准信息；
对所述标准信息进行向量化转化，得到所述标准信息的标准向量；
对所述标准信息进行特征提取，得到所述标准信息的不对称特征。
3.如权利要求2所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述网架信息进行数据清洗，得到所述网架信息的标准信息，包括：
对所述网架信息进行格式转化，得到所述网架信息的统一格式信息；
对所述统一格式信息进行数据处理，得到所述统一格式信息的标准信息。
4.如权利要求2所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述标准信息进行向量化转化，得到所述标准信息的标准向量，包括：
对所述标准信息进行分词处理，得到所述标准信息的标准分词；
计算所述标准分词的词频，计算所述标准分词的逆向文件频率；
根据所述词频和所述逆向文件频率对所述标准分词进行分词编码，得到所述标准分词的标准向量。
5.如权利要求1所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
对所述不对称特征进行特征聚类，得到所述不对称特征的聚类特征；
确定所述聚类特征的聚类标签，根据所述聚类标签对所述聚类特征进行特征填补，得到所述聚类特征的对称特征。
6.如权利要求1所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述不对称特征进行特征填补，得到所述不对称特征的对称特征，包括：
生成所述不对称特征的矩阵目标函数，其中，所述矩阵目标函数为：
Figure 883649DEST_PATH_IMAGE011
其中，
Figure 799521DEST_PATH_IMAGE012
是所述矩阵目标函数，
Figure 878335DEST_PATH_IMAGE013
是所述不对称特征的第一目标矩阵，
Figure 376313DEST_PATH_IMAGE014
是所 述不对称特征的第二目标矩阵，
Figure 820063DEST_PATH_IMAGE015
是所述不对称特征的对称特征中元素横向标识，
Figure 36281DEST_PATH_IMAGE016
是所述不 对称特征的对称特征中元素纵向标识，
Figure 918787DEST_PATH_IMAGE017
是所述不对称特征的对称特征横向维度标识，
Figure 271270DEST_PATH_IMAGE018
是 所述不对称特征的对称特征纵向维度标识，
Figure 400769DEST_PATH_IMAGE019
是所述不对称特征的对称特征中第
Figure 838704DEST_PATH_IMAGE015
行第
Figure 259321DEST_PATH_IMAGE016
列 元素，
Figure 669574DEST_PATH_IMAGE020
是所述第一目标矩阵和所述第二目标矩阵的点乘矩阵中的第
Figure 517444DEST_PATH_IMAGE015
行第
Figure 442675DEST_PATH_IMAGE016
列元素；
利用牛顿法和所述矩阵目标函数确定所述不对称特征的目标矩阵，根据所述目标矩阵生成所述不对称特征的对称特征。
7.如权利要求1所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述根据所述对称特征生成所述电网的权重邻接矩阵，包括：
根据所述对称特征生成所述电网的邻接矩阵；
获取所述电网的边权重，根据所述边权重和所述邻接矩阵生成所述电网的权重邻接矩阵。
8.如权利要求7所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构，包括：
根据预设的故障度函数确定所述电网的节点重要性；
根据所述节点重要性对所述权重邻接矩阵进行节点标识，得到所述权重邻接矩阵的故障度邻接矩阵；
根据所述故障度邻接矩阵生成所述电网的初始拓扑结构。
9.如权利要求1至8中任一项所述的基于不对称网架信息的电网供电节点自动分配方法，其特征在于，所述对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，包括：
根据所述初始拓扑结构生成所述电网的奇异值序列，利用所述奇异值序列生成所述电网的相似度指标；
利用所述相似度指标确定所述电网的可靠性函数，利于预设的可靠性阈值和所述可靠性函数对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构。
10.一种基于不对称网架信息的电网供电节点自动分配装置，其特征在于，所述装置包括：
特征提取模块，用于获取电网的网架信息，对所述网架信息进行特征提取，得到所述网架信息的不对称特征；
特征填补模块，用于对所述不对称特征进行特征填补，得到所述不对称特征的对称特征；
矩阵生成模块，用于根据所述对称特征生成所述电网的权重邻接矩阵，利用预设的故障度函数和所述权重邻接矩阵生成所述电网的初始拓扑结构；
可靠性验证模块，用于对所述初始拓扑结构进行可靠性验证，得到标准拓扑结构，利用所述标准拓扑结构对所述电网进行供电节点分配，得到电网节点排布。
CN202310006619.2A 2023-01-04 2023-01-04 基于不对称网架信息的电网供电节点自动分配方法及装置 Active CN115693667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310006619.2A CN115693667B (zh) 2023-01-04 2023-01-04 基于不对称网架信息的电网供电节点自动分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310006619.2A CN115693667B (zh) 2023-01-04 2023-01-04 基于不对称网架信息的电网供电节点自动分配方法及装置

Publications (2)

Publication Number Publication Date
CN115693667A true CN115693667A (zh) 2023-02-03
CN115693667B CN115693667B (zh) 2023-03-21

Family

ID=85057111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310006619.2A Active CN115693667B (zh) 2023-01-04 2023-01-04 基于不对称网架信息的电网供电节点自动分配方法及装置

Country Status (1)

Country Link
CN (1) CN115693667B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384302A (zh) * 2016-09-30 2017-02-08 南方电网科学研究院有限责任公司 配电网可靠性评估方法和系统
US20200110777A1 (en) * 2017-06-28 2020-04-09 Zhejiang University System and Method of Graph Feature Extraction Based on Adjacency Matrix
CN112398678A (zh) * 2020-10-16 2021-02-23 清华大学 适用于多源异构电网的运行方式拓扑结构特征提取方法
CN112988980A (zh) * 2021-05-12 2021-06-18 太平金融科技服务（上海）有限公司 目标产品查询方法、装置、计算机设备和存储介质
CN113407784A (zh) * 2021-05-28 2021-09-17 桂林电子科技大学 一种基于社交网络的社团划分方法、系统及存储介质
CN113642240A (zh) * 2021-08-17 2021-11-12 广西大学 基于数据-机理联合驱动的配电网可靠性评估方法及系统
CN115511384A (zh) * 2022-11-03 2022-12-23 武汉域弘信息技术有限公司 分布式太阳能发电的电力调度方法及装置、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384302A (zh) * 2016-09-30 2017-02-08 南方电网科学研究院有限责任公司 配电网可靠性评估方法和系统
US20200110777A1 (en) * 2017-06-28 2020-04-09 Zhejiang University System and Method of Graph Feature Extraction Based on Adjacency Matrix
CN112398678A (zh) * 2020-10-16 2021-02-23 清华大学 适用于多源异构电网的运行方式拓扑结构特征提取方法
CN112988980A (zh) * 2021-05-12 2021-06-18 太平金融科技服务（上海）有限公司 目标产品查询方法、装置、计算机设备和存储介质
CN113407784A (zh) * 2021-05-28 2021-09-17 桂林电子科技大学 一种基于社交网络的社团划分方法、系统及存储介质
CN113642240A (zh) * 2021-08-17 2021-11-12 广西大学 基于数据-机理联合驱动的配电网可靠性评估方法及系统
CN115511384A (zh) * 2022-11-03 2022-12-23 武汉域弘信息技术有限公司 分布式太阳能发电的电力调度方法及装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许悦: "配电网网架拓扑特征与供电可靠性数学关系分析" *

Also Published As

Publication number Publication date
CN115693667B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN103514183B (zh) 基于交互式文档聚类的信息检索方法及系统
CN112269792B (zh) 数据查询方法、装置、设备及计算机可读存储介质
CN107145485B (zh) 用于压缩主题模型的方法和装置
CN111552813A (zh) 一种基于电网全业务数据的电力知识图谱构建方法
CN109408574B (zh) 基于文本挖掘技术的投诉责任认定系统
CN113626607B (zh) 异常工单识别方法、装置、电子设备及可读存储介质
CN111159184A (zh) 元数据追溯方法、装置及服务器
CN114398557B (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN115809833B (zh) 基于画像技术的基建项目智能监督方法、装置
CN112328657A (zh) 特征衍生方法、装置、计算机设备及介质
CN113946686A (zh) 电力营销知识图谱构建方法及系统
CN115203435A (zh) 基于知识图谱的实体关系生成方法及数据查询方法
CN115795329A (zh) 一种基于大数据网格下的用电异常行为分析方法和装置
CN115693667B (zh) 基于不对称网架信息的电网供电节点自动分配方法及装置
CN114490667A (zh) 多维度的数据分析方法、装置、电子设备及介质
CN114780673A (zh) 基于领域匹配的科技成果管理方法和科技成果管理平台
CN113722484A (zh) 基于深度学习的谣言检测方法、装置、设备及存储介质
Wu et al. G2ptl: A pre-trained model for delivery address and its applications in logistics system
Camiña A comparison of taxonomy generation techniques using bibliometric methods: applied to research strategy formulation
CN117216339B (zh) 基于数字孪生的电子沙盘系统构建方法及装置
CN114185617B (zh) 业务调用接口配置方法、装置、设备及存储介质
CN112685574B (zh) 领域术语层次关系的确定方法、装置
CN113706204B (zh) 基于深度学习的权益发放方法、装置、设备及存储介质
CN112187623B (zh) 一种信息发布管理系统
CN116049700B (zh) 基于多模态的运检班组画像生成方法及装置

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