本申请请求保护一种配电网分段技术,尤其涉及一种基于深度学习技术的配电网拓扑智能分段识别处理方法。本申请还提供一种基于深度学习技术的配电网拓扑智能分段识别处理装置。
背景技术:
1、随着电力市场的发展以及竞争机制的引入,电力公司迫切需要提高供电可靠性和电能质量以满足不同用户的电力需求。提高供电可靠性的策略主要有减少设备故障率、缩短供电恢复时间、提高故障隔离精准度等方式。采用配电自动化技术,可以实时监测配电系统的故障,利用配电系统中的开关操作有效实现故障隔离和恢复,从而减少用户停电时间,提高了供电可靠性。
2、但是,对于配电网分段,目前采取的是根据预设分段对实际的配电网分段,这导致配电网分段在实际操作中,对老旧电路的改造具有不适应性,因此需要一种可以快速对配电网进行分段的技术和设备。
技术实现思路
1、为了解决上述技术方案中的一个或者多个技术问题,本申请提供一种基于深度学习技术的配电网拓扑智能分段识别处理方法及装置。
2、本申请提供的一种基于深度学习技术的配电网拓扑智能分段识别处理方法,包括:
3、s1获取多个配电网拓扑数据,包括节点数据,节点信息,节点电压,分段信息;
4、s2基于所述电网信息数据分组,将属于单个配电网拓扑数据分组,每个分组设置为一组样本,并将多个所述样本的集合设置为样本集;
5、s3获取预先准备的深度神经网络模型,依次单独输入每一组所述样本并经过所述深度神经网络模型计算,输出所述样本中的预测分段节点,包括根据所述节点数据、节点信息和节点电压依次进行阈值判断和或非判断,并根据判断结果输出预测分段节点信息;
6、s4判断所述预测分段节点与所述分段信息是否一致,并根据所述判断结果调整所述深度神经网络模型的训练参数后重复s1、s2、s3的步骤,到所述预测分段节点与所述分段节点完全相同,基于训练的所述深度神经网络模型输入待测数据,获得处理结果。
7、可选的,获取多个配电网拓扑数据包括:提取存储的历史配电网拓扑数据或者预设的配电网信息模型的配电网拓扑数据。
8、可选的,还包括:将训练好的所述深度神经网络模型上传到服务器中,并提供给授权客户端下载。
9、可选的,还包括,根据所述深度神经网络模型的运行需求设置虚拟机,并由所述虚拟机运行所述深度神经网络模型。
10、可选的,所述节点包括,变压器和终端用户。
11、本申请还提供一种基于深度学习技术的配电网拓扑智能分段识别处理装置,包括:
12、获取模块,用于获取多个配电网拓扑数据,包括节点数据,节点信息,节点电压,分段信息;
13、样本模块,用于基于所述电网信息数据分组,将属于单个配电网拓扑数据分组,每个分组设置为一组样本,并将多个所述样本的集合设置为样本集;
14、训练模块,用于获取预先准备的深度神经网络模型,依次单独输入每一组所述样本并经过所述深度神经网络模型计算,输出所述样本中的预测分段节点,包括根据所述节点数据、节点信息和节点电压依次进行阈值判断和或非判断,并根据判断结果输出预测分段节点信息;
15、计算模块,用于判断所述预测分段节点与所述分段信息是否一致,并根据所述判断结果调整所述深度神经网络模型的训练参数后重复执行,到所述预测分段节点与所述分段节点完全相同,基于训练的所述深度神经网络模型输入待测数据,获得处理结果。
16、可选的,获取多个配电网拓扑数据包括:提取存储的历史配电网拓扑数据或者预设的配电网信息模型的配电网拓扑数据。
17、可选的,还包括:将训练好的所述深度神经网络模型上传到服务器中,并提供给授权客户端下载。
18、可选的,还包括,根据所述深度神经网络模型的运行需求设置虚拟机,并由所述虚拟机运行所述深度神经网络模型。
19、可选的,所述节点包括,变压器和终端用户。
20、本申请相较于现有技术的优点是:
21、本申请提供的一种基于深度学习技术的配电网拓扑智能分段识别处理方法,包括:s1获取多个配电网拓扑数据,包括节点数据,节点信息,节点电压,分段信息;s2基于所述电网信息数据分组,将属于单个配电网拓扑数据分组,每个分组设置为一组样本,并将多个所述样本的集合设置为样本集;s3获取预先准备的深度神经网络模型,依次单独输入每一组所述样本并经过所述深度神经网络模型计算,输出所述样本中的预测分段节点,包括根据所述节点数据、节点信息和节点电压依次进行阈值判断和或非判断,并根据判断结果输出预测分段节点信息;s4判断所述预测分段节点与所述分段信息是否一致,并根据所述判断结果调整所述深度神经网络模型的训练参数后重复s1、s2、s3的步骤,到所述预测分段节点与所述分段节点完全相同,基于训练的所述深度神经网络模型输入待测数据,获得处理结果。本申请通过历史数据结合深度学习训练配电网分段的深度神经网络模型,可以快速准确的对配电网进行分段。
1.一种基于深度学习技术的配电网拓扑智能分段识别处理方法,其特征在于,包括:
2.根据权利要求1所述基于深度学习技术的配电网拓扑智能分段识别处理方法,其特征在于,获取多个配电网拓扑数据包括:提取存储的历史配电网拓扑数据或者预设的配电网信息模型的配电网拓扑数据。
3.根据权利要求1所述基于深度学习技术的配电网拓扑智能分段识别处理方法,其特征在于,还包括:将训练好的所述深度神经网络模型上传到服务器中,并提供给授权客户端下载。
4.根据权利要求3所述基于深度学习技术的配电网拓扑智能分段识别处理方法,其特征在于,还包括,根据所述深度神经网络模型的运行需求设置虚拟机,并由所述虚拟机运行所述深度神经网络模型。
5.根据权利要求1所述基于深度学习技术的配电网拓扑智能分段识别处理方法,其特征在于,所述节点包括,变压器和终端用户。
6.一种基于深度学习技术的配电网拓扑智能分段识别处理装置,其特征在于,包括:
7.根据权利要求6所述基于深度学习技术的配电网拓扑智能分段识别处理装置,其特征在于,获取多个配电网拓扑数据包括:提取存储的历史配电网拓扑数据或者预设的配电网信息模型的配电网拓扑数据。
8.根据权利要求6所述基于深度学习技术的配电网拓扑智能分段识别处理装置,其特征在于,还包括:将训练好的所述深度神经网络模型上传到服务器中,并提供给授权客户端下载。
9.根据权利要求8所述基于深度学习技术的配电网拓扑智能分段识别处理装置,其特征在于,还包括,根据所述深度神经网络模型的运行需求设置虚拟机,并由所述虚拟机运行所述深度神经网络模型。
10.根据权利要求6所述基于深度学习技术的配电网拓扑智能分段识别处理装置,其特征在于,所述节点包括,变压器和终端用户。