[发明专利]智能电网的管理方法、装置、设备及存储介质

权利要求书

1.一种智能电网的管理方法，其特征在于，所述方法包括：

获取特定表计的低频数据，所述低频数据为按照设定的采样频率向智能电网所采集的初始数据；

基于预设的超分辨率感知模型，利用神经网络对采集的所述低频数据进行重建，得到重建后的目标高频数据；

利用所述目标高频数据对所述智能电网进行状态估计，以管理所述智能电网。

2.根据权利要求1所述的智能电网的管理方法，其特征在于，所述基于预设的超分辨率感知模型，利用神经网络对采集的所述低频数据进行重建，得到重建后的高频数据的步骤包括：

基于预设的超分辨率感知模型，利用神经网络，根据所述低频数据及预先测量的丢失信息生成高频数据；

所述预设的超分辨率感知模型的计算公式如下：

L_a＝↓_aH+e

其中，L_a为采集的低频数据，H表示原始高频数据，e表示丢失信息对应的噪声向量，↓_a表示下采样函数，a表示下采样因子；

利用所述高频数据对所述神经网络进行更新，以获取目标高频数据。

3.根据权利要求2所述的智能电网的管理方法，其特征在于，所述基于预设的超分辨率感知模型，利用神经网络，根据所述低频数据及预先获取的丢失信息生成高频数据的步骤包括：

利用神经网络的三个一维卷积层，按照预设的时间序列规则提取预先测量的低频数据中的低频特征；

利用所述神经网络的残差结构，对所述低频特征对应的高频特征进行信息补全，得到信息补全后的高频特征向量；

利用所述神经网络的三个一维卷积层，将所述高频特征向量按照预设的子序列进行重建，得到高频数据。

4.根据权利要求3所述的智能电网的管理方法，其特征在于，所述利用所述神经网络的残差结构，对所述低频特征对应的高频特征进行信息补全，得到信息补全后的高频特征向量的步骤包括：

利用所述神经网络的残差结构，根据预设的低频数据与高频数据的对应关系生成所述低频特征对应的高频特征；

根据所述丢失信息对所述高频特征进行信息补全，得到信息补全后的所述高频特征向量。

5.根据权利要求2-4任一所述的智能电网的管理方法，其特征在于，所述利用所述高频数据对所述神经网络进行更新，以获取目标高频数据的步骤包括：

利用所述高频数据确定误差损失函数值，所述损失函数的计算公式如下：

其中，MSE表示误差损失函数值，β为下采样因子，表示由神经网络模型输出的预估的高频数据，H_iβ表示以β为下采样因子对原始高频数据进行采样得到的采样高频数据，N表示预估的高频数据的数量，i表示自然数；

根据所述误差损失函数值确定是否完成更新所述神经网络，以获取目标高频数据。

6.根据权利要求5所述的智能电网的管理方法，其特征在于，所述根据所述误差损失函数值确定是否完成更新所述神经网络，以获取目标高频数据的步骤包括：

将所述误差损失函数值与预设的误差损失函数阈值对比；

若所述误差损失函数值大于所述预设的误差损失函数阈值，则确定对所述神经网络进行更新，直至所述误差损失函数值小于或等于所述预设的误差损失函数阈值；

若所述误差损失函数值小于或等于所述预设的误差损失函数阈值，则停止更新所述神经网络，根据更新后的神经网络计算目标高频数据。