[发明专利]一种基于知识图谱的电网日前调度计划优化决策方法

说明书

本发明公开了一种基于知识图谱的电网日前调度计划优化决策方法，本发明的方法首先建立电网日前调度优化决策知识图谱框架；再采用深度神经网络从电网日前调度计划优化决策领域文本语料抽取电网实体与事件；然后基于电网实体、事件构建电网日前调度计划优化决策领域知识图谱，在完成上两步的基础上，基于调度计划优化历史记录构建优化场景，并基于场景相似度计算和知识图谱得出计划优化建议。本发明从历史调度计划优化经验中提取优化经验，实现优化决策过程中关联数据的自动获取和优化决策条件的主动推送，减少计划迭代优化次数，缩短计划制定整体时间，提升优化过程效率和质量。

技术领域

本发明属于电网调度技术领域，具体涉及一种基于知识图谱的电网日前调度优化决策方法。

背景技术

电力系统有功调度是保证系统安全高效运行的基础，分为日前调度、日内调度和实时控制三个环节。在日前和日内阶段，通常以优化周期内的运行经济性为目标，根据新能源及负荷预测结果，通过安全约束机组组合(Security-Constrained Unit Commitment,SCUC)和安全约束经济调度(Security-Constrained Economic Dispatch,SCED)制定多时段的机组开停机计划和发电计划，实现供需平衡配置，这一过程遵循的是优化建模的思路。在当前能源变革与电力市场改革的新形势下，随着高比例可再生能源的广泛接入和高比例电力电子设备的大规模应用，电网调度对象类型和数量呈指数级增加，电网运行方式的不确定性显著增加，调度优化决策也更为复杂。受制于预测误差、边界条件、数学模型、优化算法等条件限制，在实际调度中时常出现分析结果与实际电网情况差异较大、优化结果无解或求解时间过长等问题。电网调度不再是简单的多目标优化计算，而是依据调度软件计算结果人工再分析、调整和验证的过程，导致软件优化前后需要做大量的人工调整，效率较低。

发明内容

发明目的：本发明的目的在于针对传统电网日前调度计划优化决策需要大量的人工收集数据和调整的局限，提出一种基于知识图谱的电网日前调度计划优化决策方法。能够通过自然语言处理、机器学习等人工智能技术，从历史调度计划优化经验中提取优化经验，实现优化决策过程中关联数据的自动获取和优化决策条件的主动推送，减少计划迭代优化次数，缩短计划制定整体时间，提升优化过程效率和质量。

本发明采用的技术方案如下：

一种基于知识图谱的电网日前调度优化决策方法，包括以下步骤：

步骤(1)建立电网日前调度优化决策知识图谱框架；

步骤(2)从电网日前调度计划优化决策领域文本语料抽取电网实体与事件；

步骤(3)基于电网实体、事件构建电网日前调度计划优化决策领域知识图谱；

步骤(4)基于调度计划优化历史记录构建优化场景；

步骤(5)基于场景相似度计算和知识图谱得出计划优化建议；

所述步骤(2)包括：

收集电网日前调度计划优化决策领域语料数据及文件；

预处理电网日前调度计划优化决策领域文本语料，清洗语料中的空行、空格，统一英文大小写，统一标点符号全角和半角状态；

根据电网设备标准名称清单、操作术语清单设定主题词典，采用HanLp分词框架进行中文分词和词性标注；

按照6：3：1划分语料为训练集、验证集和测试集；

基于训练集标注语料，采用Albert+BiLSTM+CRF深度神经网络架构，训练并构建电网日前调度计划领域命名实体识别模型；

基于识别模型，从测试集语料、后续生产过程中新生成语料中抽取电网实体与事件；