一种基于人工智能的电网调度信息采集方法与流程

本发明属于电力信息采集，特别涉及一种基于人工智能的电网调度信息采集方法。

背景技术：

1、随着科技的发展和人们认知水平的不断提高，利用风能和太阳能为代表的清洁能源尽可能的代替化石能源成为各国共识。如今，清洁能源发电的容量比例快速提升，且电网规模不断扩大。为了提高电网管控的效率和可靠性，新的技术、系统和设备不断被应用到电力系统中。运维人员需要依据实时业务需求了解和掌握大量设备中部分设备的参数状态。电网信息化系统一般不能识别自然语言信息，对于各类设备的监控信息，需要由运维人员依据业务需求进行调度和管理。业务人员制定的由自然语言描述的电网设备信息参数采集列表在输入信息化系统时需要进行格式转换，相关工作由人工处理时效率低且易出错。

技术实现思路

1、本发明的目的是提供一种基于人工智能的电网调度信息采集方法，通过cnn模型对监控信息中文短句进行转换，并将多个转换后的序列通过bilstm模型对监控信息对应的设备类型进行识别，能够实现监控信息表批量信息的自动转换和生成，并基于信息系统的调度实现各类设备的参数采集和汇总，提高信息采集时效和采集结果的准确性。

2、本发明提供的技术方案为：

3、一种基于人工智能的电网调度信息采集方法，包括：

4、对电网监控指令信息进行预处理；

5、其中，所述电网监控指令信息的格式为中文短文本序列；

6、将预处理后的中文短文本序列转化为向量；

7、使用cnn模型对所述向量进行处理，得到由英文字母和数字组成的数据序列；

8、基于bilstm模型对所述数据序列进行处理以识别设备编号；

9、将所述cnn模型输出的数据序列和所述bilstm模型输出的设备编号输入dnn模型，所述dnn模型输出能够被信息化系统识别的信息列表；

10、其中，所述信息列表中包含设备编号信息和设备需要采集的电网监控信息；

11、中心调度服务器将所述信息列表发送至各终端调度节点，所述终端调度节点将自身管辖的设备列表与所述信息列表进行对比，筛选出自身管辖的设备列表与所述信息列表的交集作为任务设备列表，发送至采集设备；

12、采集设备根据接收到的信息判断自身是否在所述任务设备列表中，如果在所述交集中，则接收所述终端调度节点发送的任务报文；

13、其中，所述任务报文中包括设备需要采集的信息及分配给任务设备的时隙；

14、任务设备根据任务报文进行数据采集，并将采集的数据在分配到的时隙上传至终端调度节点；

15、各终端调度节点将收到的各采集设备采集的数据打包发送至中心调度服务器；

16、中心调度服务器将接收到的数据与电网监控指令信息汇总生成一一对应的采集结果列表。

17、优选的是，对所述电网监控指令信息进行预处理的过程包括：错别字纠正、重复文字去重和无用符号删除。

18、优选的是，通过bert预训练语言模型将预处理后的中文短文本序列转化为向量。

19、优选的是，所述cnn模型包含3个卷积层和3个池化层；

20、将输入的单行短文本进行卷积处理，第l个卷积层处理后的特征映射为：

21、

22、其中，为在第l-1个卷积层所有关联的特征映射上做卷积运算，为偏置项，f()为激活函数；

23、将卷积计算获得的结果通过池化层进行降维，池化层中数据输出结果表示为：

24、

25、其中，和分别对应映射输出的乘法偏差和加法偏差，down()为一个子采样函数；

26、池化层输出的数据经全连接层处理后，输出英文字母和数字数据序列。

27、优选的是，所述卷积层的卷积核大小为3，卷积核数量为40。

28、优选的是，3个卷积层均采用relu激活函数，并对边界进行全零填充。

29、优选的是，所述bilstm模型包括两个方向上的lstm网络，对于每个英文和数字序列yi，在t个时间步的输出状态为：

30、ht＝σ(wo[ht-1，yi]+bo)*tanh(ct)；

31、其中，wo为模型的权值向量矩阵，bo为偏置向量，ct为当前时刻细胞的状态；

32、bilstm获得两个方向的隐藏状态向量输出和后，根据两个方向的结果输出设备编号。

33、优选的是，所述终端调度节点将时间划分为超帧，每个超帧包含信标时段、任务下发时段、保护时段、数据上传时段和休眠时段；

34、所述终端调度节点在信标时段广播信标报文，报文中包含任务设备列表；

35、采集设备在信标时段接收信标报文，检测自身是否需要激活，需要激活的采集设备在任务下发时段保持激活状态；

36、不需激活的采集设备在信标时段后转入休眠状态直到下一个信标时段；

37、所述终端调度节点在任务下发时段下发所述任务报文，激活的采集设备接收所述任务报文；

38、所述采集设备在保护时段进行数据的采集；

39、所述终端采集设备在数据上传时段分配的时隙上传采集的数据信息。

40、本发明的有益效果是：

41、本发明提供的基于人工智能的电网调度信息采集方法，使用cnn模型和bilstm模型相结合进行批量的监控信息数据转换，能够快速对大量的监控信息中文描述信息转换为信息系统能够识别的数据格式，并驱动自动化的信息采集和汇总，有效提高了信息采集时效和采集结果的准确性。

技术特征：

1.一种基于人工智能的电网调度信息采集方法，其特征在于，包括：

2.根据权利要求1所述的基于人工智能的电网调度信息采集方法，其特征在于，对所述电网监控指令信息进行预处理的过程包括：错别字纠正、重复文字去重和无用符号删除。

3.根据权利要求2所述的基于人工智能的电网调度信息采集方法，其特征在于，通过bert预训练语言模型将预处理后的中文短文本序列转化为向量。

4.根据权利要求3所述的基于人工智能的电网调度信息采集方法，其特征在于，所述cnn模型包含3个卷积层和3个池化层；

5.根据权利要求4所述的基于人工智能的电网调度信息采集方法，其特征在于，所述卷积层的卷积核大小为3，卷积核数量为40。

6.根据权利要求5所述的基于人工智能的电网调度信息采集方法，其特征在于，3个卷积层均采用relu激活函数，并对边界进行全零填充。

7.根据权利要求4、5或6所述的基于人工智能的电网调度信息采集方法，其特征在于，所述bilstm模型包括两个方向上的lstm网络，对于每个英文和数字序列yi，在t个时间步的输出状态为：

8.根据权利要求7所述的基于人工智能的电网调度信息采集方法，其特征在于，所述终端调度节点将时间划分为超帧，每个超帧包含信标时段、任务下发时段、保护时段、数据上传时段和休眠时段；

技术总结
本发明公开了一种基于人工智能的电网调度信息采集方法，包括：对电网监控指令信息进行预处理；将预处理后的中文短文本序列转化为向量；使用CNN模型对向量进行处理，得到由英文字母和数字组成的数据序列；基于BiLSTM模型对数据序列进行处理以识别设备编号；将CNN模型输出的数据序列和BiLSTM模型输出的设备编号输入DNN模型，DNN模型输出能够被信息化系统识别的信息列表；中心调度服务器将信息列表发送至各终端调度节点，终端调度节点将任务设备列表，发送至采集设备；任务设备根据任务报文进行数据采集，并将采集的数据在分配的时隙上传至终端调度节点；各终端调度节点将收到的各采集设备采集的数据打包发送至中心调度服务器；中心调度服务器生成采集结果列表。

技术研发人员：綦雪松,田莉,孙佳,刘诗,郭铁滨,鲁歆旸,刘赟静,关潇卓,李中华,王建龙,马记,韩璐,李振新,张向荣,黄渲婷,李雨松,王令君,刘玢,王宇桥,孟宪斌
受保护的技术使用者：国网吉林省电力有限公司吉林供电公司
技术研发日：
技术公布日：2024/1/16