[发明专利]一种多源异构电网运监业务数据融合方法

说明书

本发明属于大数据智能检测技术领域，涉及一种多源异构电网运监业务数据融合方法。本方法首先对数据进行预处理，然后通过基于稀疏降噪自编码器的深度置信网络对多源异构数据进行特征提取、分类识别过程，提高深度置信网络的特征表达能力和泛化性能，充分挖掘多源数据之间的深层抽象特征，避免了由于特征提取不充分导致的影响模型输出精度降低问题，然后采用强化学习与联合互信息相结合的方法自主获得多源信息之间的相关性，并按照相关性进行充分融合，有效提高电力系统多源异构运监业务数据的处理能力和利用效率，并且能够充分满足电力系统运监业务对数据实时性的要求。

技术领域

本发明属于大数据智能检测技术领域，涉及一种多源异构电网运监业务数据融合方法。

背景技术

随着智能电网的发展与信息技术的高度渗透，大空间尺度、小时间尺度和多数据类型的电力系统海量信息，极大促进了电力大数据的发展及应用。电力系统是一个复杂的高维系统，其内部数据流向有电力流、业务流、故障流、信息流和气象流等不同数据流，数据信息的多源异构问题，使得人们难以充分挖掘大数据的隐含信息，给电力大数据的高效应用造成极大阻碍。数据融合技术作为一种重要的数据处理手段，从原始数据和数据特征等多个层次对数据进行综合处理,获得应用需求的有价值信息,在降低多源异构数据的冗余度和存储资源浪费方面具有重要价值。因此，研究电网运监业务数据潜在的多源异构数据融合问题，充分挖掘电力系统运监业务数据中隐藏的有价值信息，有效提高电力运监业务大数据的处理能力和利用效率，对实现电力企业的可靠、安全、高效及经济化运行具有重要意义。随着深度强化学习技术的成熟和大数据理论的发展，基于人工智能方法进行多源异构数据融合为大电网的智能控运行制提供了新的思路。

发明内容

本发明的目的是提出一种多源异构电网运监业务数据融合方法，以有效提高电力系统多源异构运监业务数据的处理能力和利用效率，并且能够充分满足电力系统运监业务对数据实时性的要求。

本发明提出多源异构电网运监业务数据融合方法，包括：对多源异构电网运监业务数据预处理过程；基于深度学习的多源异构电网运监业务数据特征提取、分类识别过程；基于强化学习的决策级融合过程，最终获得数据量少、容错性高和分析能力强的数据集，用于对电力系统运监业务数据有价值信息进行有效挖掘。

本发明提出的多源异构电网运监业务数据融合方法，其特点和优点是：

1、本发明的多源异构电网运监业务数据融合方法，首先对数据进行预处理，然后通过深度学习方法充分挖掘多源数据之间的深层抽象特征，避免了由于特征提取不充分导致的影响模型输出精度降低问题，然后采用强化学习与联合互信息相结合的方法自主获得多源信息之间的相关性，并按照相关性进行充分融合，能够充分满足电力系统运监业务对数据实时性的要求。

2、本发明方法易于实施，本发明通过引入人工智能领域的深度强化学习方法，对其中较为关键的两部分，即基于稀疏降噪自编码器的深度置信网络对多源异构数据进行特征提取、分类识别过程和基于强化学习的多源异构数据融合过程，稀疏降噪自动编码器在特征提取、分析、降维和表达方面具有更好的效果，提高深度置信网络的特征表达能力和泛化性能，有效提高电力系统多源异构运监业务数据的处理能力和利用效率，因此本方法易于实施。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明的多源异构电网运监业务数据融合方法涉及的深度置信网络特征提取流程。

图2为本发明方法涉及的稀疏降噪自编码器结构图。

图3为本发明方法涉及的受限玻尔兹曼机结构图。

图4为本发明方法涉及的深度置信网络结构图。

具体实施方式