[发明专利]一种基于元学习的电网数字化资源建模管理方法

说明书

本发明公开了一种基于元学习的电网数字化资源建模管理方法，包括：获取数据治理后的电网数字化资源，对结构化数据和非结构化数据分别进行向量转换，得到初始实例数据；根据初始实例数据，基于Bi‑LSTM模型，得到上下文感知的实例数据；根据上下文感知的实例数据，计算原型并对实例数据进行分类，构建基于元学习的上下文感知原型网络；根据基于元学习的上下文感知原型网络，基于局部整体二元研判的离群点识别与标记策略，得到基于元学习的电网数字化资源建模，实现基于元学习的电网数字化资源管理。本发明有助于满足调度、设备、营销、发展等业务条线的专业需求，对新型电力系统的建设具有重要意义。

技术领域

本发明涉及一种基于元学习的电网数字化资源建模管理方法，属于电网数字化技术领域。

背景技术

随着新型电力系统的发展以及对电网数字化转型管理要求的不断提高，目前电网数字化资源数量多、种类杂、分布广、管理难等问题越发显著，给电网数字化资源的统筹管理、调度维护、运行监测、协同处理等方面带来了更多的挑战。电网数字化资源的管理顺应数字革命融合发展趋势，构建更高效的设备资产管理系统，全面推进设备管理数字化转型。但现有方法需要大量标记训练样本进行电网数字化资源的建模管理，得到的结果并不理想。鉴于对海量电网数字化资源的标记极其繁复和昂贵，因此，在标记数据有限的情况下，更加高效与准确的基于元学习的电网数字化资源管理有助于满足调度、设备、营销、发展等业务条线的专业需求，对新型电力系统的建设具有重要意义。

目前在电网数字化资源建模管理方面还存在着以下不足：

一、电网数字化资源数量多、种类杂、分布广、关联关系复杂，由于设备本体故障、传输数据丢失等原因，造成部分关键性信息缺失或异常，需要对相关数据进行识别、补充和调整。

二、现有的大多数方法都属于监督学习的范畴，其性能在很大程度上取决于标记样本的数量和质量。但由于标记带来的工作量和高成本，大型高质量的训练集在实际应用中并不容易获得，并且目前现有用于电网数字化资源的管理方法不能解决训练过程中出现新类别或实例较少的问题，如何利用少量实例对电网数字化资源进行管理还缺乏有效的解决方案。

三、电网数字化资源还存在分类不准确和数据离群的等问题，如何有效对离群点进行识别和处理，如何协同用户对异常情况进行研判是电网数字化资源管理面临的巨大挑战。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于元学习的电网数字化资源建模管理方法，首先，基于一阶差分的缺失值补充方法和基于回归拟合和中位数绝对偏差的异常点调整方法，有效的处理了电网数字化资源的关键性信息缺失或异常；其次，构建了基于元学习的上下文感知原型网络，实现了上下文感知与原型网络的融合在电网领域的应用；最后，基于局部整体二元研判的离群点识别与标记策略，进一步提高了建模管理的准确率。

为达到上述目的，本发明是采用下述技术方案实现的：

本发明公开了一种基于元学习的电网数字化资源建模管理方法，包括：

获取数据治理后的电网数字化资源，其中，所述数据治理包括基于一阶差分的缺失值补充，以及基于回归拟合和中位数绝对偏差的异常点调整；所述电网数字化资源包括结构化数据和非结构化数据；

对所述结构化数据和非结构化数据分别进行向量转换，得到结构化数据向量和非结构化数据向量；

拼接所述结构化数据向量和非结构化数据向量，得到初始实例数据；

根据所述初始实例数据，基于Bi-LSTM模型，得到上下文感知的实例数据；

根据所述上下文感知的实例数据，计算原型并对实例数据进行分类，构建基于元学习的上下文感知原型网络；