CN116703131A - 电力资源分配方法、装置、电子设备和计算机可读介质 - Google Patents
电力资源分配方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116703131A CN116703131A CN202310988086.2A CN202310988086A CN116703131A CN 116703131 A CN116703131 A CN 116703131A CN 202310988086 A CN202310988086 A CN 202310988086A CN 116703131 A CN116703131 A CN 116703131A
- Authority
- CN
- China
- Prior art keywords
- node
- power resource
- resource
- information set
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013468 resource allocation Methods 0.000 title claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 50
- 238000013507 mapping Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims description 163
- 238000012549 training Methods 0.000 claims description 42
- 238000007499 fusion processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 33
- 230000032258 transport Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000011960 computer-aided design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了电力资源分配方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取每个电力节点的节点参数信息，得到节点参数信息集；获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；构建节点孪生模型；对初始电力资源信息集进行数据转换处理，以生成电力资源信息集；构建节点资源孪生模型；生成节点资源映射表，以及将节点资源映射表存储至数据库中；响应于接收到用户终端发送电力资源请求信息，控制电力运输设备将满足预设资源请求条件的电力资源运输至用户终端，以及对节点资源孪生模型和节点资源映射表进行更新处理。该实施方式可以减少用户终端的等待时间。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及电力资源分配方法、装置、电子设备和计算机可读介质。
背景技术
向申请电力资源的用户终端分配空闲的电力资源，可以提高电力资源的使用率。目前，分配电力资源，通常采用的方式为：将距离用户终端一定范围内（例如50千米）的电力节点的电力资源分配给用户终端；或者首先通过CAD（Computer Aided Design，计算机辅助设计）建模方法构建电力节点和电力资源的仿真模型，然后构建电力节点和电力资源的节点资源孪生模型，最后根据节点资源孪生模型将空闲的电力资源分配给用户终端。
然而，采用上述方式通常存在以下技术问题：
第一，距离用户终端一定范围内的电力节点可能不存在空闲的电力资源，导致无法满足用户终端的需求，造成用户终端的等待时间较长；
第二，通过CAD建模方法构建出的仿真模型的准确度较低，导致构建出的节点资源孪生模型的准确度较低，导致电力资源的分配情况的准确度较低，当较多电力资源未被使用时，浪费了电力资源；
第三，由于仿真模型存在时滞特征，导致构建出的节点资源孪生模型的准确度较低，根据节点资源孪生模型向用户终端分配空闲的电力资源可能不存在，无法满足用户终端的需求，造成用户终端的等待时间较长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电力资源分配方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种电力资源分配方法，该方法包括：获取每个电力节点的节点参数信息，得到节点参数信息集；获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；基于上述节点参数信息集，构建节点孪生模型；对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型；基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中；响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。
可选地，上述基于上述节点参数信息集，构建节点孪生模型，包括：基于上述节点参数信息集，构建节点仿真模型；对上述节点参数信息集和上述节点仿真模型进行融合处理，以生成节点孪生模型。
可选地，上述对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集，包括：对上述初始电力资源信息集进行数据清洗处理，以生成电力基本资源信息集；对上述电力基本资源信息集中的每个电力基本资源信息进行特征提取处理，以生成电力资源特征信息，得到电力资源特征信息集；将上述电力资源特征信息集输入至预先训练的电力资源信息生成模型中，得到电力资源信息集。
可选地，上述基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型，包括：基于上述电力资源信息集，构建资源仿真模型；对上述电力资源信息集和上述资源仿真模型进行融合处理，以生成资源孪生模型；对上述节点孪生模型和上述资源孪生模型进行融合处理，以生成节点资源孪生模型。
可选地，上述预先训练的电力资源信息生成模型是通过以下训练步骤得到的：获取训练样本集，其中，上述训练样本集中的训练样本包括：样本电力资源特征信息集和样本电力资源信息集；从上述训练样本集中选取训练样本；将上述训练样本包括的样本电力资源特征信息集输入至初始电力资源信息生成模型中，得到初始电力资源信息集，其中，上述初始电力资源信息生成模型是以样本电力资源特征信息集为输入，以初始电力资源信息集为输出的自定义模型；基于预设的第一损失函数，确定上述初始电力资源信息集与上述训练样本包括的样本电力资源信息集之间的第一差异值；响应于确定上述第一差异值满足预设差异条件，调整上述初始电力资源信息生成模型的网络参数。
可选地，上述训练步骤还包括：获取预测样本集，其中，上述预测样本集中的预测样本包括：预测样本电力资源特征信息集和预测样本电力资源信息集；从上述预测样本集中选取预测样本；将上述预测样本包括的预测样本电力资源特征信息集输入至上述初始电力资源信息生成模型中，得到目标初始电力资源信息集；基于预设的第二损失函数，确定上述目标初始电力资源信息集和上述预测样本包括的预测样本电力资源信息集之间的第二差异值；基于上述第一差异值和上述第二差异值，确定误差差异值；响应于确定上述误差差异值大于等于预设误差差异值，调整上述初始电力资源信息生成模型。
可选地，上述训练步骤还包括：响应于确定上述第一差异值不满足上述预设差异条件以及响应于确定上述误差差异值小于上述预设误差差异值，将上述初始电力资源信息生成模型确定为训练后的电力资源信息生成模型。
可选地，上述节点参数信息集中的节点参数信息包括：节点标识、节点名、节点位置、节点连接关系信息；以及上述基于上述节点参数信息集，构建节点仿真模型，包括：基于上述节点参数信息集，构建初始节点仿真模型，其中，上述初始节点仿真模型包括：仿真节点参数信息集，仿真节点参数信息集中的仿真节点参数信息包括：仿真节点标识、仿真节点名、仿真节点位置、仿真节点连接关系信息，仿真节点标识对应节点标识，仿真节点参数信息集中的仿真节点参数信息对应节点参数信息集中的节点参数信息；对于初始节点仿真模型包括的仿真节点参数信息集中的每个仿真节点参数信息，执行如下节点调整处理：响应于确定上述仿真节点参数信息包括的仿真节点名与上述仿真节点参数信息对应的节点参数信息包括的节点名不相同，将上述仿真节点名更新为上述节点名；响应于确定上述仿真节点参数信息包括的仿真节点位置与上述仿真节点参数信息对应的节点参数信息包括的节点位置不相同，将上述仿真节点位置更新为上述节点位置；响应于确定上述仿真节点参数信息包括的仿真节点连接关系信息与上述仿真节点参数信息对应的节点参数信息包括的节点连接关系信息不相同，将上述仿真节点连接关系信息更新为上述节点连接关系信息；将更新后的初始节点仿真模型确定为调整节点仿真模型；响应于确定上述调整节点仿真模型满足预设节点调整条件，将上述调整节点仿真模型作为初始节点仿真模型，以供再次执行上述节点调整处理；响应于确定上述调整节点仿真模型不满足上述预设节点调整条件，将上述调整节点仿真模型确定为节点仿真模型。
第二方面，本公开的一些实施例提供了一种电力资源分配装置，装置包括：第一获取单元，被配置成获取每个电力节点的节点参数信息，得到节点参数信息集；第二获取单元，被配置成获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；第一构建单元，被配置成基于上述节点参数信息集，构建节点孪生模型；数据转换单元，被配置成对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；第二构建单元，被配置成基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型；生成单元，被配置成基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中；运输单元，被配置成响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。
可选地，上述第一构建单元，被进一步配置成：基于上述节点参数信息集，构建节点仿真模型；对上述节点参数信息集和上述节点仿真模型进行融合处理，以生成节点孪生模型。
可选地，上述数据转换单元被进一步配置成：对上述初始电力资源信息集进行数据清洗处理，以生成电力基本资源信息集；对上述电力基本资源信息集中的每个电力基本资源信息进行特征提取处理，以生成电力资源特征信息，得到电力资源特征信息集；将上述电力资源特征信息集输入至预先训练的电力资源信息生成模型中，得到电力资源信息集。
可选地，上述第二构建单元，被进一步配置成：基于上述电力资源信息集，构建资源仿真模型；对上述电力资源信息集和上述资源仿真模型进行融合处理，以生成资源孪生模型；对上述节点孪生模型和上述资源孪生模型进行融合处理，以生成节点资源孪生模型。
可选地，上述预先训练的电力资源信息生成模型是通过以下训练步骤得到的：获取训练样本集，其中，上述训练样本集中的训练样本包括：样本电力资源特征信息集和样本电力资源信息集；从上述训练样本集中选取训练样本；将上述训练样本包括的样本电力资源特征信息集输入至初始电力资源信息生成模型中，得到初始电力资源信息集，其中，上述初始电力资源信息生成模型是以样本电力资源特征信息集为输入，以初始电力资源信息集为输出的自定义模型；基于预设的第一损失函数，确定上述初始电力资源信息集与上述训练样本包括的样本电力资源信息集之间的第一差异值；响应于确定上述第一差异值满足预设差异条件，调整上述初始电力资源信息生成模型的网络参数。
可选地，上述训练步骤还包括：获取预测样本集，其中，上述预测样本集中的预测样本包括：预测样本电力资源特征信息集和预测样本电力资源信息集；从上述预测样本集中选取预测样本；将上述预测样本包括的预测样本电力资源特征信息集输入至上述初始电力资源信息生成模型中，得到目标初始电力资源信息集；基于预设的第二损失函数，确定上述目标初始电力资源信息集和上述预测样本包括的预测样本电力资源信息集之间的第二差异值；基于上述第一差异值和上述第二差异值，确定误差差异值；响应于确定上述误差差异值大于等于预设误差差异值，调整上述初始电力资源信息生成模型。
可选地，上述训练步骤还包括：响应于确定上述第一差异值不满足上述预设差异条件以及响应于确定上述误差差异值小于上述预设误差差异值，将上述初始电力资源信息生成模型确定为训练后的电力资源信息生成模型。
可选地，上述节点参数信息集中的节点参数信息包括：节点标识、节点名、节点位置、节点连接关系信息；以及上述第一构建单元，被进一步配置成：基于上述节点参数信息集，构建初始节点仿真模型，其中，上述初始节点仿真模型包括：仿真节点参数信息集，仿真节点参数信息集中的仿真节点参数信息包括：仿真节点标识、仿真节点名、仿真节点位置、仿真节点连接关系信息，仿真节点标识对应节点标识，仿真节点参数信息集中的仿真节点参数信息对应节点参数信息集中的节点参数信息；对于初始节点仿真模型包括的仿真节点参数信息集中的每个仿真节点参数信息，执行如下节点调整处理：响应于确定上述仿真节点参数信息包括的仿真节点名与上述仿真节点参数信息对应的节点参数信息包括的节点名不相同，将上述仿真节点名更新为上述节点名；响应于确定上述仿真节点参数信息包括的仿真节点位置与上述仿真节点参数信息对应的节点参数信息包括的节点位置不相同，将上述仿真节点位置更新为上述节点位置；响应于确定上述仿真节点参数信息包括的仿真节点连接关系信息与上述仿真节点参数信息对应的节点参数信息包括的节点连接关系信息不相同，将上述仿真节点连接关系信息更新为上述节点连接关系信息；将更新后的初始节点仿真模型确定为调整节点仿真模型；响应于确定上述调整节点仿真模型满足预设节点调整条件，将上述调整节点仿真模型作为初始节点仿真模型，以供再次执行上述节点调整处理；响应于确定上述调整节点仿真模型不满足上述预设节点调整条件，将上述调整节点仿真模型确定为节点仿真模型。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的电力资源分配方法，可以减少用户终端的等待时间。具体来说，造成用户终端的等待时间较长的原因在于：距离用户终端一定范围内的电力节点可能不存在空闲的电力资源，导致无法满足用户终端的需求。基于此，本公开的一些实施例的电力资源分配方法，首先，获取每个电力节点的节点参数信息，得到节点参数信息集。其次，获取每个电力资源的初始电力资源信息，得到初始电力资源信息集。接着，基于上述节点参数信息集，构建节点孪生模型。由此，可以得到节点孪生模型，以便后续生成节点资源孪生模型。然后，对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集。由此，可以得到去除了冗余信息的电力资源信息集，以便后续生成节点资源孪生模型。之后，基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型。由此，可以构建节点资源孪生模型，以便得到电力节点和电力资源之间的映射关系。这之后，基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中。由此，可以得到电力节点和电力资源映射关系的节点资源映射表。最后，响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。由此，可以根据节点资源孪生模型将距离用户终端最近的空闲电力资源分配给用户终端。从而，可以满足用户终端的需求，可以减少用户终端的等待时间。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的电力资源分配方法的一些实施例的流程图；
图2是根据本公开的电力资源分配装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的电力资源分配方法的一些实施例的流程100。该电力资源分配方法，包括以下步骤：
步骤101，获取每个电力节点的节点参数信息，得到节点参数信息集。
在一些实施例中，电力资源分配方法的执行主体（例如计算设备）可以通过有线连接或无线连接的方式从终端设备中获取每个电力节点的节点参数信息，得到节点参数信息集。其中，上述电力节点可以是但不限于：供电站、输电线路、变压站、用户终端。用户终端可以是向其它电力节点申请电力资源的终端。上述节点参数信息集中的节点参数信息可以表征电力节点在物理模型中的参数信息。上述节点参数信息集中的节点参数信息可以包括但不限于以下至少一项：节点标识、节点名、节点位置、节点连接关系信息。节点标识可以唯一确定一个电力节点。节点位置可以是电力节点在地图坐标系中的位置。节点连接关系信息可以表征电力节点之间的连接关系。
步骤102，获取每个电力资源的初始电力资源信息，得到初始电力资源信息集。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取每个电力资源的初始电力资源信息，得到初始电力资源信息集。其中，电力资源可以是但不限于：电动汽车、电力设备、储能电池。初始电力资源信息集中的初始电力资源信息可以包括但不限于以下至少一项：资源标识、资源位置、资源名、资源参数信息。资源标识可以唯一确定一个电力资源。资源位置可以是电力资源在地图坐标系中的位置。资源参数信息可以表征电力资源的性能参数。例如，电力设备可以是但不限于：变压器、发电机等。
步骤103，基于节点参数信息集，构建节点孪生模型。
在一些实施例中，上述执行主体可以基于上述节点参数信息集，构建节点孪生模型。
实践中，基于上述节点参数信息集，上述执行主体可以通过以下步骤构建节点孪生模型：
第一步，基于上述节点参数信息集，构建节点仿真模型。
实践中，基于上述节点参数信息集，上述执行主体可以通过以下子步骤构建节点仿真模型：
第一子步骤，基于上述节点参数信息集，构建初始节点仿真模型。实践中，上述执行主体可以通过仿真算法，基于上述节点参数信息集，构建初始节点仿真模型。例如，上述仿真算法可以是但不限于：龙格库塔法、亚当姆斯法、蒙特卡罗算法、图像处理算法、CAD（Computer Aided Design，计算机辅助设计）建模方法。上述初始节点仿真模型可以表征电力节点之间的连接关系。其中，上述初始节点仿真模型可以包括但不限于：仿真节点参数信息集。仿真节点参数信息集中的仿真节点参数信息可以表征电力节点在仿真模型中的参数信息。仿真节点参数信息集中的仿真节点参数信息可以包括但不限于：仿真节点标识、仿真节点名、仿真节点位置、仿真节点连接关系信息。仿真节点标识可以在初始节点仿真模型中唯一确定一个电力节点。仿真节点位置可以是在初始节点仿真模型中电力节点在地图坐标系中的位置。仿真节点连接关系信息可以是在初始节点仿真模型中表征电力节点之间的连接关系。仿真节点标识可以对应节点标识。仿真节点参数信息集中的仿真节点参数信息可以对应节点参数信息集中的节点参数信息。
第二子步骤，对于初始节点仿真模型包括的仿真节点参数信息集中的每个仿真节点参数信息，执行如下节点调整处理：
第一节点调整处理步骤，响应于确定上述仿真节点参数信息包括的仿真节点名与上述仿真节点参数信息对应的节点参数信息包括的节点名不相同，将上述仿真节点名更新为上述节点名。
第二节点调整处理步骤，响应于确定上述仿真节点参数信息包括的仿真节点位置与上述仿真节点参数信息对应的节点参数信息包括的节点位置不相同，将上述仿真节点位置更新为上述节点位置。
第三节点调整处理步骤，响应于确定上述仿真节点参数信息包括的仿真节点连接关系信息与上述仿真节点参数信息对应的节点参数信息包括的节点连接关系信息不相同，将上述仿真节点连接关系信息更新为上述节点连接关系信息。
第三子步骤，将更新后的初始节点仿真模型确定为调整节点仿真模型。
第四子步骤，响应于确定上述调整节点仿真模型满足预设节点调整条件，将上述调整节点仿真模型作为初始节点仿真模型，以供再次执行上述节点调整处理。其中，上述预设节点调整条件可以是上述调整节点仿真模型包括的仿真节点参数信息集中仿真节点参数信息包括的信息与上述节点参数信息集中对应的节点参数信息包括的信息不相同。
第五子步骤，响应于确定上述调整节点仿真模型不满足上述预设节点调整条件，将上述调整节点仿真模型确定为节点仿真模型。
第二步，对上述节点参数信息集和上述节点仿真模型进行融合处理，以生成节点孪生模型。实践中，上述执行主体可以根据数字孪生技术，通过节点参数信息集和节点仿真模型的对应关系，生成节点孪生模型。
步骤103中的相关技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“当较多电力资源未被使用时，浪费了电力资源”。浪费了电力资源的因素往往如下：通过CAD建模方法构建出的仿真模型的准确度较低，导致构建出的节点资源孪生模型的准确度较低，导致电力资源的分配情况的准确度较低。如果解决了上述因素，就能达到可以减少浪费电力资源的效果。为了达到这一效果，首先，基于上述节点参数信息集，构建初始节点仿真模型。由此，可以通过仿真算法构建出初始节点仿真模型。其次，对于初始节点仿真模型包括的仿真节点参数信息集中的每个仿真节点参数信息，执行如下节点调整处理：第一，响应于确定上述仿真节点参数信息包括的仿真节点名与上述仿真节点参数信息对应的节点参数信息包括的节点名不相同，将上述仿真节点名更新为上述节点名。第二，响应于确定上述仿真节点参数信息包括的仿真节点位置与上述仿真节点参数信息对应的节点参数信息包括的节点位置不相同，将上述仿真节点位置更新为上述节点位置。第三，响应于确定上述仿真节点参数信息包括的仿真节点连接关系信息与上述仿真节点参数信息对应的节点参数信息包括的节点连接关系信息不相同，将上述仿真节点连接关系信息更新为上述节点连接关系信息。由此，可以调整初始节点仿真模型的参数，以便得到较为准确的调整节点仿真模型。接着，将更新后的初始节点仿真模型确定为调整节点仿真模型。之后，响应于确定上述调整节点仿真模型满足预设节点调整条件，将上述调整节点仿真模型作为初始节点仿真模型，以供再次执行上述节点调整处理。由此，可以对调整节点仿真模型的参数进行不断的调整，以便得到与节点参数信息集对应的准确的仿真模型。然后，响应于确定上述调整节点仿真模型不满足上述预设节点调整条件，将上述调整节点仿真模型确定为节点仿真模型。由此，可以得到较为准确的节点仿真模型。从而，可以通过较为准确的节点仿真模型构建出较为准确的节点资源孪生模型。进而，可以根据较为准确的节点资源孪生模型得到较为准确的电力资源分配情况。因此，可以减少浪费电力资源。
步骤104，对初始电力资源信息集进行数据转换处理，以生成电力资源信息集。
在一些实施例中，上述执行主体可以对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集。
实践中，上述执行主体可以通过以下步骤对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集：
第一步，对上述初始电力资源信息集进行数据清洗处理，以生成电力基本资源信息集。实践中，上述执行主体可以通过主成分分析法，对上述初始电力资源信息集进行数据清洗处理，以生成电力基本资源信息集。由此，可以得到去除了冗余信息的电力基本资源信息集。
第二步，对上述电力基本资源信息集中的每个电力基本资源信息进行特征提取处理，以生成电力资源特征信息，得到电力资源特征信息集。实践中，上述执行主体可以通过预设的神经网络模型对上述电力基本资源信息集中的每个电力基本资源信息进行特征提取处理，以生成电力资源特征信息，得到电力资源特征信息集。其中，上述电力资源特征信息集中的电力资源特征信息可以包括但不限于以下至少一项：资源标识、资源位置。例如，预设的神经网络模型可以是但不限于：人工神经网络模型、卷积神经网络模型。
第三步，将上述电力资源特征信息集输入至预先训练的电力资源信息生成模型中，得到电力资源信息集。其中，上述电力资源信息生成模型可以是预先训练的以电力资源特征信息集为输入，以电力资源信息集为输出的自定义模型。电力资源信息集中的电力资源信息可以表征预测出的当前时间的电力资源信息。电力资源信息集中的电力资源信息可以包括但不限于以下至少一项：资源标识、资源位置。由此，考虑到资源仿真模型的时滞特征，可以通过电力资源信息生成模型预测出电力资源真实的电力资源信息。
这里，自定义模型可以包括三层：
第一层可以是输入层，用于将电力资源特征信息集传递给第二层。
第二层可以包括：第一子模型和第二子模型。第一子模型可以包括：第一隐藏层、第一卷积网络和第一识别层。第一卷积网络可以包括至少一个卷积层。第一隐藏层可以用于：通过预设模型，对电力资源特征信息集进行词干提取处理，以生成初始第一电力资源信息向量。第一卷积网络用于：对初始第一电力资源信息向量进行卷积处理，以生成第一电力资源信息向量。第一识别层可以用于：将表征向量的第一电力资源信息向量转换成表征文字的第一电力资源信息集。例如，预设模型可以是词袋模型。第二子模型可以包括：第二隐藏层、第二卷积网络和第二识别层。第二卷积网络可以包括至少一个卷积层。第二隐藏层可以用于：基于编码器，对电力资源特征信息集进行关键词提取处理，以生成初始第二电力资源信息向量。第二卷积网络用于：对初始第二电力资源信息向量进行卷积处理，以生成第二电力资源信息向量。第二识别层可以用于：基于解码器，将表征向量的第二电力资源信息向量转换成表征文字的第二电力资源信息集。
第三层可以是输出层，用于分别接收第一子模型和第二子模型的输出，以及选择第一子模型或第二子模型的输出作为整个自定义模型的输出。例如，首先，上述执行主体可以响应于确定上述电力资源特征信息集中电力资源特征信息的数量大于等于预设数量，将第一子模型作为整个自定义模型的输出。然后，上述执行主体可以响应于确定上述电力资源特征信息集中电力资源特征信息的数量小于预设数量，将第二子模型的输出作为整个自定义模型的输出。例如，上述预设数量可以是500。
可选地，预先训练的电力资源信息生成模型可以是通过以下步骤训练得到的：
第一步，获取训练样本集。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本电力资源特征信息集和样本电力资源信息集。这里，样本电力资源信息集可以是样本电力资源特征信息集对应的标签。
第二步，从上述训练样本集中选取训练样本。
在一些实施例中，上述执行主体可以从上述训练样本集中选取训练样本。实践中，上述执行主体可以随机从上述训练样本集中选取训练样本。
第三步，将上述训练样本包括的样本电力资源特征信息集输入至初始电力资源信息生成模型中，得到初始电力资源信息集。
在一些实施例中，上述执行主体可以将上述训练样本包括的样本电力资源特征信息集输入至初始电力资源信息生成模型中，得到初始电力资源信息集。其中，上述初始电力资源信息生成模型可以是以样本电力资源特征信息集为输入，以初始电力资源信息集为输出的自定义模型。
第四步，基于预设的第一损失函数，确定上述初始电力资源信息集与上述训练样本包括的样本电力资源信息集之间的第一差异值。
在一些实施例中，基于预设的第一损失函数，上述执行主体可以确定上述初始电力资源信息集与上述训练样本包括的样本电力资源信息集之间的第一差异值。其中，预设的第一损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第五步，响应于确定上述第一差异值满足预设差异条件，调整上述初始电力资源信息生成模型的网络参数。
在一些实施例中，响应于确定上述第一差异值满足预设差异条件，上述执行主体可以调整上述初始电力资源信息生成模型的网络参数。其中，预设差异条件可以是上述第一差异值大于预设差异值。例如，可以对上述第一差异值和预设差异值求差值。在此基础上，利用反向传播、梯度下降等方法对上述初始电力资源信息生成模型的网络参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。其中，对于预设差异值的设定，不作限定，例如，预设差异值可以是0.2。
步骤104中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“造成用户终端的等待时间较长”。造成用户终端的等待时间较长的因素往往如下：由于仿真模型存在时滞特征，导致构建出的节点资源孪生模型的准确度较低，根据节点资源孪生模型向用户终端分配空闲的电力资源可能不存在，无法满足用户终端的需求。如果解决了上述因素，就能达到可以减少用户终端的等待时间的效果。为了达到这一效果，本公开可以通过第一子模型可以预测出较为准确的第一电力资源信息集，以及通过第二子模型可以预测出较为准确的第二电力资源信息集，由于电力资源信息生成模型包括了第一子模型和第二子模型，因此通过电力资源信息生成模型预测出的电力资源信息集较为准确。从而，可以通过训练好的电力资源信息生成模型得到考虑了时滞特征的电力资源信息集。因此，可以得到较为准确的节点资源孪生模型。从而，可以根据较为准确的节点资源孪生模型及时向用户终端分配空闲的电力资源。由此，可以减少用户终端的等待时间。
可选地，上述方法还包括：
第一步，获取预测样本集。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取预测样本集。上述预测样本集中的预测样本包括：预测样本电力资源特征信息集和预测样本电力资源信息集。
第二步，从上述预测样本集中选取预测样本。
在一些实施例中，上述执行主体可以从上述预测样本集中选取预测样本。实践中，上述执行主体可以随机从上述预测样本集中选取预测样本。
第三步，将上述预测样本包括的预测样本电力资源特征信息集输入至上述初始电力资源信息生成模型中，得到目标初始电力资源信息集。
在一些实施例中，上述执行主体可以将上述预测样本包括的预测样本电力资源特征信息集输入至上述初始电力资源信息生成模型中，得到目标初始电力资源信息集。
第四步，基于预设的第二损失函数，确定上述目标初始电力资源信息集和上述预测样本包括的预测样本电力资源信息集之间的第二差异值。
在一些实施例中，上述执行主体可以基于预设的第二损失函数，确定上述目标初始电力资源信息集和上述预测样本包括的预测样本电力资源信息集之间的第二差异值。其中，上述预设的第二损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第五步，基于上述第一差异值和上述第二差异值，确定误差差异值。
在一些实施例中，上述执行主体可以基于上述第一差异值和上述第二差异值，确定误差差异值。实践中，首先，上述执行主体可以将上述第一差异值和上述第二差异值的差值确定为差异值差值。然后，上述执行主体可以将上述差异值差值和上述第二差异值的比值确定为误差差异值。
第六步，响应于确定上述误差差异值大于等于预设误差差异值，调整上述初始电力资源信息生成模型。
在一些实施例中，上述执行主体可以响应于确定上述误差差异值大于等于预设误差差异值，调整上述初始电力资源信息生成模型。这里，调整上述初始电力资源信息生成模型可以是随机选择增加或者减少初始电力资源信息生成模型包括的第一子模型和第二子模型包括的卷积层。例如，上述预设误差差异值可以是0.5。
由此，可以通过预测样本集对调整后的初始电力资源信息生成模型进行测试，以及可以通过误差差异值来减少初始电力资源信息生成模型出现过拟合的情况。
可选地，响应于确定上述第一差异值不满足上述预设差异条件以及响应于确定上述误差差异值小于预设误差差异值，将上述初始电力资源信息生成模型确定为训练后的电力资源信息生成模型。
在一些实施例中，上述执行主体可以响应于确定上述第一差异值不满足上述预设差异条件以及响应于确定上述误差差异值小于预设误差差异值，将上述初始电力资源信息生成模型确定为训练后的电力资源信息生成模型。
步骤105，基于节点孪生模型和电力资源信息集，构建节点资源孪生模型。
在一些实施例中，基于上述节点孪生模型和上述电力资源信息集，上述执行主体可以构建节点资源孪生模型。其中，上述节点资源孪生模型可以表征电力节点与电力节点之间的连接关系、电力资源的位置关系以及电力节点与电力资源之间的映射关系。
实践中，基于上述节点孪生模型和上述电力资源信息集，上述执行主体可以通过以下步骤构建节点资源孪生模型：
第一步，基于上述电力资源信息集，构建资源仿真模型。其中，资源仿真模型可以表征电力资源的位置关系。这里，构建资源仿真模型的具体实现方式及所带来的技术效果可以参考上述实施例中的步骤103，在此不再赘述。
第二步，对上述电力资源信息集和上述资源仿真模型进行融合处理，以生成资源孪生模型。实践中，上述执行主体可以根据数字孪生技术，通过电力资源信息集和资源仿真模型的对应关系，生成资源孪生模型。
第三步，对上述节点孪生模型和上述资源孪生模型进行融合处理，以生成节点资源孪生模型。实践中，上述执行主体可以根据节点孪生模型包括的位置信息对应资源孪生模型包括的位置信息，对上述节点孪生模型和上述资源孪生模型进行融合处理，以生成节点资源孪生模型。由此，可以根据电力节点与电力资源所在的位置相同，得到电力节点与电力资源之间的映射关系。
步骤106，基于节点资源孪生模型，生成节点资源映射表，以及将节点资源映射表存储至数据库中。
在一些实施例中，上述执行主体可以基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中。实践中，上述执行主体可以从节点资源孪生模型中提取出节点资源映射表，以及可以将上述节点资源映射表存储至数据库中。其中，上述节点资源映射表可以表征电力节点与电力资源的映射关系。
步骤107，响应于接收到用户终端发送电力资源请求信息，基于节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至用户终端，以及对节点资源孪生模型和节点资源映射表进行更新处理。
在一些实施例中，上述执行主体可以响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。其中，上述电力资源请求信息可以表征用户终端想要申请电力资源。上述电力资源请求信息可以包括但不限于以下至少一项：目标电力资源信息、用户终端位置。目标电力资源信息可以表征用户终端需要的电力资源。用户终端位置可以是用户终端在地图坐标系上的位置。上述电力运输设备可以是运输电力资源的设备。上述预设资源请求条件可以是节点资源孪生模型中包括各个目标电力节点中与上述用户终端距离最近的目标电力节点包括的电力资源。上述目标电力节点可以是节点资源孪生模型中包括上述目标电力资源信息的电力节点。目标电力节点与用户终端的距离可以是目标电力节点在地图坐标系上的位置与用户终端在地图坐标系上的位置的距离。
实践中，可以通过以下步骤对上述节点资源孪生模型和上述节点资源映射表进行更新处理：首先，上述执行主体可以将上述节点资源孪生模型包括的对应上述电力资源请求信息的电力资源信息对应的位置信息更新为上述用户终端对应的位置信息。然后，上述执行主体可以将上述节点资源映射表中包括的对应上述电力资源请求信息的电力资源对应的电力节点更新为上述用户终端。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的电力资源分配方法，可以减少用户终端的等待时间。具体来说，造成用户终端的等待时间较长的原因在于：距离用户终端一定范围内的电力节点可能不存在空闲的电力资源，导致无法满足用户终端的需求。基于此，本公开的一些实施例的电力资源分配方法，首先，获取每个电力节点的节点参数信息，得到节点参数信息集。其次，获取每个电力资源的初始电力资源信息，得到初始电力资源信息集。接着，基于上述节点参数信息集，构建节点孪生模型。由此，可以得到节点孪生模型，以便后续生成节点资源孪生模型。然后，对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集。由此，可以得到去除了冗余信息的电力资源信息集，以便后续生成节点资源孪生模型。之后，基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型。由此，可以构建节点资源孪生模型，以便得到电力节点和电力资源之间的映射关系。这之后，基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中。由此，可以得到电力节点和电力资源映射关系的节点资源映射表。最后，响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。由此，可以根据节点资源孪生模型将距离用户终端最近的空闲电力资源分配给用户终端。从而，可以满足用户终端的需求，可以减少用户终端的等待时间。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种电力资源分配装置的一些实施例，这些电力资源分配装置实施例与图1所示的那些方法实施例相对应，该电力资源分配装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的电力资源分配装置200包括：第一获取单元201、第二获取单元202、第一构建单元203、数据转换单元204、第二构建单元205、生成单元206和运输单元207。其中，第一获取单元201，被配置成获取每个电力节点的节点参数信息，得到节点参数信息集；第二获取单元202，被配置成获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；第一构建单元203，被配置成基于上述节点参数信息集，构建节点孪生模型；数据转换单元204，被配置成对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；第二构建单元205，被配置成基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型；生成单元206，被配置成基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中；运输单元207，被配置成响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。
可以理解的是，该电力资源分配装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于电力资源分配装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如计算设备）300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取每个电力节点的节点参数信息，得到节点参数信息集；获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；基于上述节点参数信息集，构建节点孪生模型；对上述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；基于上述节点孪生模型和上述电力资源信息集，构建节点资源孪生模型；基于上述节点资源孪生模型，生成节点资源映射表，以及将上述节点资源映射表存储至数据库中；响应于接收到用户终端发送电力资源请求信息，基于上述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至上述用户终端，以及对上述节点资源孪生模型和上述节点资源映射表进行更新处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、第二获取单元、第一构建单元、数据转换单元、第二构建单元、生成单元和运输单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取每个电力节点的节点参数信息，得到节点参数信息集”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种电力资源分配方法，包括：
获取每个电力节点的节点参数信息，得到节点参数信息集；
获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；
基于所述节点参数信息集，构建节点孪生模型；
对所述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；
基于所述节点孪生模型和所述电力资源信息集，构建节点资源孪生模型；
基于所述节点资源孪生模型，生成节点资源映射表，以及将所述节点资源映射表存储至数据库中；
响应于接收到用户终端发送电力资源请求信息，基于所述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至所述用户终端，以及对所述节点资源孪生模型和所述节点资源映射表进行更新处理。
2.根据权利要求1所述的方法，其中，所述基于所述节点参数信息集，构建节点孪生模型，包括：
基于所述节点参数信息集，构建节点仿真模型；
对所述节点参数信息集和所述节点仿真模型进行融合处理，以生成节点孪生模型。
3.根据权利要求1所述的方法，其中，所述对所述初始电力资源信息集进行数据转换处理，以生成电力资源信息集，包括：
对所述初始电力资源信息集进行数据清洗处理，以生成电力基本资源信息集；
对所述电力基本资源信息集中的每个电力基本资源信息进行特征提取处理，以生成电力资源特征信息，得到电力资源特征信息集；
将所述电力资源特征信息集输入至预先训练的电力资源信息生成模型中，得到电力资源信息集。
4.根据权利要求1所述的方法，其中，所述基于所述节点孪生模型和所述电力资源信息集，构建节点资源孪生模型，包括：
基于所述电力资源信息集，构建资源仿真模型；
对所述电力资源信息集和所述资源仿真模型进行融合处理，以生成资源孪生模型；
对所述节点孪生模型和所述资源孪生模型进行融合处理，以生成节点资源孪生模型。
5.根据权利要求3所述的方法，其中，所述预先训练的电力资源信息生成模型是通过以下训练步骤得到的：
获取训练样本集，其中，所述训练样本集中的训练样本包括：样本电力资源特征信息集和样本电力资源信息集；
从所述训练样本集中选取训练样本；
将所述训练样本包括的样本电力资源特征信息集输入至初始电力资源信息生成模型中，得到初始电力资源信息集，其中，所述初始电力资源信息生成模型是以样本电力资源特征信息集为输入，以初始电力资源信息集为输出的自定义模型；
基于预设的第一损失函数，确定所述初始电力资源信息集与所述训练样本包括的样本电力资源信息集之间的第一差异值；
响应于确定所述第一差异值满足预设差异条件，调整所述初始电力资源信息生成模型的网络参数。
6.根据权利要求5所述的方法，其中，所述方法还包括：
获取预测样本集，其中，所述预测样本集中的预测样本包括：预测样本电力资源特征信息集和预测样本电力资源信息集；
从所述预测样本集中选取预测样本；
将所述预测样本包括的预测样本电力资源特征信息集输入至所述初始电力资源信息生成模型中，得到目标初始电力资源信息集；
基于预设的第二损失函数，确定所述目标初始电力资源信息集和所述预测样本包括的预测样本电力资源信息集之间的第二差异值；
基于所述第一差异值和所述第二差异值，确定误差差异值；
响应于确定所述误差差异值大于等于预设误差差异值，调整所述初始电力资源信息生成模型。
7.根据权利要求6所述的方法，其中，所述方法还包括：
响应于确定所述第一差异值不满足所述预设差异条件以及响应于确定所述误差差异值小于所述预设误差差异值，将所述初始电力资源信息生成模型确定为训练后的电力资源信息生成模型。
8.根据权利要求2所述的方法，其中，所述节点参数信息集中的节点参数信息包括：节点标识、节点名、节点位置、节点连接关系信息；以及
所述基于所述节点参数信息集，构建节点仿真模型，包括：
基于所述节点参数信息集，构建初始节点仿真模型，其中，所述初始节点仿真模型包括：仿真节点参数信息集，仿真节点参数信息集中的仿真节点参数信息包括：仿真节点标识、仿真节点名、仿真节点位置、仿真节点连接关系信息，仿真节点标识对应节点标识，仿真节点参数信息集中的仿真节点参数信息对应节点参数信息集中的节点参数信息；
对于初始节点仿真模型包括的仿真节点参数信息集中的每个仿真节点参数信息，执行如下节点调整处理：
响应于确定所述仿真节点参数信息包括的仿真节点名与所述仿真节点参数信息对应的节点参数信息包括的节点名不相同，将所述仿真节点名更新为所述节点名；
响应于确定所述仿真节点参数信息包括的仿真节点位置与所述仿真节点参数信息对应的节点参数信息包括的节点位置不相同，将所述仿真节点位置更新为所述节点位置；
响应于确定所述仿真节点参数信息包括的仿真节点连接关系信息与所述仿真节点参数信息对应的节点参数信息包括的节点连接关系信息不相同，将所述仿真节点连接关系信息更新为所述节点连接关系信息；
将更新后的初始节点仿真模型确定为调整节点仿真模型；
响应于确定所述调整节点仿真模型满足预设节点调整条件，将所述调整节点仿真模型作为初始节点仿真模型，以供再次执行所述节点调整处理；
响应于确定所述调整节点仿真模型不满足所述预设节点调整条件，将所述调整节点仿真模型确定为节点仿真模型。
9.一种电力资源分配装置，包括：
第一获取单元，被配置成获取每个电力节点的节点参数信息，得到节点参数信息集；
第二获取单元，被配置成获取每个电力资源的初始电力资源信息，得到初始电力资源信息集；
第一构建单元，被配置成基于所述节点参数信息集，构建节点孪生模型；
数据转换单元，被配置成对所述初始电力资源信息集进行数据转换处理，以生成电力资源信息集；
第二构建单元，被配置成基于所述节点孪生模型和所述电力资源信息集，构建节点资源孪生模型；
生成单元，被配置成基于所述节点资源孪生模型，生成节点资源映射表，以及将所述节点资源映射表存储至数据库中；
运输单元，被配置成响应于接收到用户终端发送电力资源请求信息，基于所述节点资源孪生模型，控制电力运输设备将满足预设资源请求条件的电力资源运输至所述用户终端，以及对所述节点资源孪生模型和所述节点资源映射表进行更新处理。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310988086.2A CN116703131B (zh) | 2023-08-08 | 2023-08-08 | 电力资源分配方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310988086.2A CN116703131B (zh) | 2023-08-08 | 2023-08-08 | 电力资源分配方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116703131A true CN116703131A (zh) | 2023-09-05 |
| CN116703131B CN116703131B (zh) | 2023-10-27 |
Family
ID=87839696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310988086.2A Active CN116703131B (zh) | 2023-08-08 | 2023-08-08 | 电力资源分配方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116703131B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117135046A (zh) * | 2023-10-26 | 2023-11-28 | 北京中企慧云科技有限公司 | 基于节点关联度的目标资源配置方法、装置、设备和介质 |
| CN117675507A (zh) * | 2023-11-13 | 2024-03-08 | 北京国电通网络技术有限公司 | 异常节点终端告警方法、电子设备和计算机可读介质 |
| CN118012470A (zh) * | 2024-04-09 | 2024-05-10 | 国网信息通信产业集团有限公司 | 电力信息管理应用更新方法、装置、电子设备与介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021222384A1 (en) * | 2020-04-28 | 2021-11-04 | Strong Force Intellectual Capital, Llc | Digital twin systems and methods for transportation systems |
| CN115239160A (zh) * | 2022-07-28 | 2022-10-25 | 北京国网信通埃森哲信息技术有限公司 | 一种基于数字孪生的电力数字空间资源池化管理调度系统 |
| CN115238568A (zh) * | 2022-06-16 | 2022-10-25 | 国网河北省电力有限公司经济技术研究院 | 一种数字孪生模型构建方法、装置及终端设备 |
| CN116009495A (zh) * | 2023-01-05 | 2023-04-25 | 软通动力信息技术(集团)股份有限公司 | 基于数字孪生的资源模型建立方法、装置、设备和介质 |
-
2023
- 2023-08-08 CN CN202310988086.2A patent/CN116703131B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021222384A1 (en) * | 2020-04-28 | 2021-11-04 | Strong Force Intellectual Capital, Llc | Digital twin systems and methods for transportation systems |
| CN115238568A (zh) * | 2022-06-16 | 2022-10-25 | 国网河北省电力有限公司经济技术研究院 | 一种数字孪生模型构建方法、装置及终端设备 |
| CN115239160A (zh) * | 2022-07-28 | 2022-10-25 | 北京国网信通埃森哲信息技术有限公司 | 一种基于数字孪生的电力数字空间资源池化管理调度系统 |
| CN116009495A (zh) * | 2023-01-05 | 2023-04-25 | 软通动力信息技术(集团)股份有限公司 | 基于数字孪生的资源模型建立方法、装置、设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| 周二专等: "复杂大电网数字孪生构建技术及其在调度运行中的应用", 电力信息与通信技术, vol. 20, no. 80 * |
| 李江成等: "变电站数字孪生技术研究与应用", 电气应用 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117135046A (zh) * | 2023-10-26 | 2023-11-28 | 北京中企慧云科技有限公司 | 基于节点关联度的目标资源配置方法、装置、设备和介质 |
| CN117135046B (zh) * | 2023-10-26 | 2024-01-12 | 北京中企慧云科技有限公司 | 基于节点关联度的目标资源配置方法、装置、设备和介质 |
| CN117675507A (zh) * | 2023-11-13 | 2024-03-08 | 北京国电通网络技术有限公司 | 异常节点终端告警方法、电子设备和计算机可读介质 |
| CN118012470A (zh) * | 2024-04-09 | 2024-05-10 | 国网信息通信产业集团有限公司 | 电力信息管理应用更新方法、装置、电子设备与介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116703131B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116703131B (zh) | 电力资源分配方法、装置、电子设备和计算机可读介质 | |
| CN115759444B (zh) | 电力设备分配方法、装置、电子设备和计算机可读介质 | |
| CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
| CN115085196B (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
| CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
| CN112712801A (zh) | 一种语音唤醒方法、装置、电子设备及存储介质 | |
| CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
| CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
| CN116862319B (zh) | 电力指标信息生成方法、装置、电子设备和介质 | |
| CN116737917B (zh) | 文本推荐信息生成方法、电子设备和计算机可读介质 | |
| CN116388112B (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
| CN116283487A (zh) | 应用于甲醇制备的控制方法、装置、电子设备和可读介质 | |
| CN115907136A (zh) | 电动汽车调度方法、装置、设备和计算机可读介质 | |
| CN114697206B (zh) | 物联网节点管理方法、装置、设备和计算机可读介质 | |
| CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
| CN112507676A (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
| CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 | |
| CN114792258B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
| CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
| CN112015625B (zh) | 报警设备控制方法、装置、电子设备和计算机可读介质 | |
| CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
| CN118350610B (zh) | 生产资源调度方法、装置、电子设备与可读介质 | |
| CN116307998B (zh) | 电力设备材料运输方法、装置、电子设备和计算机介质 | |
| CN116974684B (zh) | 地图页面布局方法、装置、电子设备与计算机可读介质 | |
| CN117726480B (zh) | 基于数字化虚拟评标室的电力设备获取方法 |
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 |