[发明专利]基于深度学习和注意力的台区运行状态评估方法及系统

说明书

本发明提出了一种基于深度学习和注意力的台区运行状态评估方法及系统，包括：获取台区运行状态序列数据及潜在影响因素序列数据；基于所获取的数据进行特征提取，提取与台区运行状态评估变化关联度大于预设关联度阈值的特征，得到与台区状态变化相关的状态上下文特征；基于状态上下文特征进行联合分布嵌入，获得联合嵌入表征；基于联合嵌入表征进行融合注意力机制的深度学习模型训练，获得评估模型，基于该模型进行台区运行状态评估。

技术领域

本发明属于电力信息处理的技术领域，尤其涉及基于深度学习和注意力的台区运行状态评估方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着智能电网的深入发展，用户对电能质量的要求也不断提高。部分台区由于配电网结构复杂、规模巨大、不确定因素较多等因素的影响，无法保证用户用电的质量。这些问题如果没有得到及时发现和解决，会对用户的用电体验造成很大的影响。如何准确评估台区的运行状态，为台区科学管理提供决策支撑，是需要解决的一个关键问题。

在对台区进行运行状态评估时，面临着一些问题和挑战，包括：

台区运行中产生大量的数据、指标等，这些运行数据从不同维度表征台区的运行状态，这些运行数据具有不同的物理意义，具有不同的含义，如何选择合适的运行数据对台区运行状态进行评估，是需要解决的首要问题。

另外，影响或表征台区运行状态的运行数据之间存在着复杂的关联关系，同时，这些运行数据影响或表征台区运行状态的重要程度不同，这些都对台区运行状态评估带来了困难。

同一运行数据在台区运行的不同时刻，表征着台区运行的运行状态，不同时刻运行数据对台区运行状态的影响权重是不同的。为实现对台区运行状态的准确评估，需要准确度量不同时刻不同因素的影响程度。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于深度学习和注意力的台区运行状态评估方法，能够确保台区运行状态评估的准确性。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

第一方面，公开了一种基于深度学习和注意力的台区运行状态评估方法，包括：

获取表征台区运行状态的运行数据序列及影响台区运行的潜在影响因素序列数据；

基于所获取的数据进行特征提取，提取与台区运行状态评估变化关联度大于预设关联度阈值的特征，抽取得到与台区运行状态变化的相关的状态上下文特征；

基于状态上下文特征进行联合分布嵌入，获得联合嵌入表征；

基于联合嵌入表征进行融合注意力机制的深度学习模型训练，获得评估模型，基于该模型进行台区运行状态评估。

进一步的技术方案，基于所获取的台区运行数据序列数据及潜在影响因素序列数据，首先进行数据预定义，然后进行数据规范化处理，接着进行特征相关统计量计算，基于计算的统计量获取筛选特征，基于筛选特征获得与台区状态变化相关的状态上下文特征。

进一步的技术方案，针对在给定时间区间范围的台区运行状态序列数据和各个潜在影响因素的序列数据，基于Person相关选择影响台区运行状态评估变化的特征选择，消除特征的冗余并提取与台区运行状态评估变化高关联度的特征，在台区运行过程中，筛选特征与台区运行状态评估之间的相关统计量随着时间的变化而改变。

进一步的技术方案，通过公开数据服务，如天气预报网等，采集台区潜在影响因素序列数据，包括温度、雷雨、风力及雾霾影响因素；

对采集的上述影响因素数据进行向量化，转换为对应的影响因素向量，在一个时间间隔内的变化可构成一个轨迹数据。