[发明专利]智能电网的管理方法、装置、设备及存储介质

说明书

本发明公开了一种智能电网的管理方法、装置、电子设备及存储介质，属于智能电网的技术领域，该方法包括：获取特定表计的低频数据，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低频数据进行重建，得到重建后的目标高频数据；利用目标高频数据对智能电网进行状态估计，以管理智能电网。本方案通过采集智能电网中低频数据，基于预设的超分辨率感知模型，利用神经网络将低频数据重建得到目标高频数据，并进一步基于目标高频数据对智能电网进行状态估计，以根据状态估计结果管理智能电网，以及时发现智能电网中更多的隐藏问题，从而提高系统的安全性和运行效率，具有可靠性和稳定性。

技术领域

本发明涉及智能电网的领域，尤其涉及一种智能电网的管理方法、装置、电子设备及存储介质。

背景技术

智能电网是为现代社会持续提供安全、经济的电力供应的重要基础设施。智能电网的状态估计在系统监控中起着至关重要的作用，它帮助系统操作员感知系统的运行状态，以做出准确的控制决策。然而，更频繁的状态估计结果有助于发现智能电网中更多的隐藏问题，从而提高系统的安全性和效率。因此，需要对高频数据进行获取，以基于该高频数据对智能电网进行较为频繁的状态估计。

现有的硬件设备限制，采集并传输高频数据仍然是一项困难的工作；此外，由于通信故障或网络攻击等影响，传统方式采集的数据容易会出现丢失或被篡改的现象，这导致难以获取高频数据，进而影响对智能电网的估计频率，降低可靠性。

因此，智能电网需要新的方法来支持基于现有计量基础设施的系统运行状态的高频感知。

发明内容

本申请提供了一种智能电网的管理方法、装置、电子设备及存储介质，可以解决难以获取高频数据，影响对智能电网的估计频率的技术问题。

本发明第一方面提供一种智能电网的管理方法，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。

可选的，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。

可选的，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。

可选的，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：