[发明专利]一种应用于算法核心单元的负载识别机器学习系统

说明书

本发明公开的一种应用于算法核心单元的负载识别机器学习系统，通过四个层级构成，分别为数据层，应用层，数据库层以及主控层，其中：数据层由数据输入接口、管理员确认接口和结果输出接口构成；应用层由两个AI模块构成，分别是负载识别AI实装模块和负载识别AI学习模块；数据库层由一个数据长期保存的持久化数据库构成；主控层主要由主控模块和管理员UI构成。本发明能够识别供电网络中的用电器负荷类型以及用电器。其应用层采用了双备AI模块的方案进行，因此负载识别AI实装模块不应频繁修改。而负责循环学习模型迭代的负债识别AI学习模块在本系统工作过程中，需要对于系统运行过程中的结果进行学习迭代更新，因此需要频繁学习迭代。

技术领域

本发明涉及电力系统中的用电器识别技术领域，特别涉及一种应用于算法核心单元的负载识别机器学习系统。

背景技术

电力系统领域的用电器种类繁多，难以依靠人工识别的方法完成对于电力系统领域内的用电器进行负荷识别。同时在电网的使用场景下，同时接入众多用电器，而电网端能够检测到的数据仅为接入的冲击响应数据，以及电压电流负荷情况，采用传统方法对于上述数据进行分析从而识别供电网络中的用电器负荷类型是无法做到的。另外现有负荷识别系统无法识别电网中的用电器。

发明内容

针对上述技术问题，本发明提供一种能够识别供电网络中的用电器负荷类型以及用电器的应用于算法核心单元的负载识别机器学习系统。

本发明的应用于算法核心单元的负载识别机器学习系统，通过四个层级构成，分别为数据层，应用层，数据库层以及主控层，其中：

所述数据层由数据输入接口、管理员确认接口和结果输出接口构成，所述数据输入接口从现网电力设备数据采集器件中获取现网电力设备中的相应运行信息进行分析使用，所述数据输入接口与所述数据库层中的持久化数据库和所述应用层中的负载识别AI实装模块连接；所述结果输出接口与所述应用层中的负载识别AI实装模块连接，将所述负载识别AI实装模块中对于目前的负载识别结果输出；所述管理员确认接口接收管理员UI中的相应确认信息；

所述应用层由两个AI模块构成，分别是负载识别AI实装模块和负载识别AI学习模块，所述负载识别AI实装模块接收所述数据输入接口中输入的数据，并通过本负载识别AI实装模块自带的AI模型分析软件获得当前现网负载中各个负载的类型功率，从而完成负载识别的功能，同时将识别结果输出至所述结果输出接口中，以供其他系统调用；所述负载学习AI实装模块与所述持久化数据库连接，仅学习经过管理员确认后的数据，以保证学习结果的准确性；同时，该负载学习AI实装模块对于所述持久化数据库中尚未经过管理员标记的数据将会输出模拟预测结果至所述持久化数据库中，以便与后续管理员确认结果进行比较从而判定本负载学习AI实装模块的准确率；

所述数据库层由一个数据长期保存的持久化数据库构成，该持久化数据库保存自从本负载识别机器学习系统运行以来所有现网数据，用于为所述负载识别AI学习模块提供训练数据；

所述主控层主要由主控模块和管理员UI构成，所述主控模块用于升级负载识别AI实装模块，在负载识别AI学习模块的准确率高于负载识别AI实装模块的准确率一定范围后，主控模块将负载识别AI实装模块中的AI模型替换为负载识别AI学习模块中的AI模型；所述管理员UI与所述管理员确认接口连接，用于确认现网中确定的负载情况和负载变化情况，为负载识别AI学习模块提供可信度较高的训练样本。

在本发明的一个优选实施例中，所述结果输出接口为一个微服务框架的restful接口。

在本发明的一个优选实施例中，所述负载识别AI学习模块的准确率高于负载识别AI实装模块一定范围后，将负载识别AI学习模块中当前的AI模型替换至负载识别AI实装模块中，负载识别AI学习模块继续学习迭代工作。