本技術(shù)涉及數(shù)據(jù)處理、人工智能、電力分析領(lǐng)域，具體而言，涉及一種基于電力指數(shù)分析的電力預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、鄉(xiāng)村建設(shè)中，電力能源合理規(guī)劃、安全持續(xù)輸出是保障穩(wěn)定的前提，這離不開(kāi)對(duì)各鄉(xiāng)村電力系統(tǒng)進(jìn)行電力狀態(tài)分析，進(jìn)行綜合評(píng)估和預(yù)測(cè)，如何進(jìn)行準(zhǔn)確、低成本、高適配性地電力狀態(tài)分析系統(tǒng)是契合鄉(xiāng)村電力維護(hù)的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的在于提供一種基于電力指數(shù)分析的電力預(yù)測(cè)方法及系統(tǒng)。

2、本技術(shù)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本技術(shù)的實(shí)踐而習(xí)得。

3、根據(jù)本技術(shù)實(shí)施例的一個(gè)方面，提供一種基于電力指數(shù)分析的電力預(yù)測(cè)方法，包括：

4、獲取對(duì)目標(biāo)電力系統(tǒng)采集的電力系統(tǒng)大數(shù)據(jù)集；

5、采用調(diào)試后的目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)，對(duì)所述電力系統(tǒng)大數(shù)據(jù)集進(jìn)行電力狀態(tài)表征向量抽取，獲得所述目標(biāo)電力系統(tǒng)對(duì)應(yīng)的擬配對(duì)電力狀態(tài)表征向量；

6、通過(guò)事先部署的各個(gè)電力狀態(tài)表征向量，與所述擬配對(duì)電力狀態(tài)表征向量之間的特征距離，確定所述目標(biāo)電力系統(tǒng)的電力狀態(tài)；

7、其中，所述目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)的調(diào)試過(guò)程包括：

8、獲取電力數(shù)據(jù)學(xué)習(xí)樣例集；所述電力數(shù)據(jù)學(xué)習(xí)樣例集包括分別對(duì)各示例電力系統(tǒng)采集的電力數(shù)據(jù)學(xué)習(xí)樣例子集和所述各個(gè)示例電力系統(tǒng)分別對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息；

9、通過(guò)所述電力數(shù)據(jù)學(xué)習(xí)樣例集，對(duì)電力狀態(tài)分類參照網(wǎng)絡(luò)進(jìn)行多次重復(fù)調(diào)試，得到調(diào)試后的目標(biāo)對(duì)照網(wǎng)絡(luò)，以及確定所述目標(biāo)對(duì)照網(wǎng)絡(luò)對(duì)于所述各個(gè)示例電力系統(tǒng)分別生成的目標(biāo)簇質(zhì)心；

10、將各個(gè)目標(biāo)簇質(zhì)心確定成基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中維持的各個(gè)簇質(zhì)心，以及基于所述電力數(shù)據(jù)學(xué)習(xí)樣例集和所述目標(biāo)對(duì)照網(wǎng)絡(luò)，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行多次遷移學(xué)習(xí)調(diào)試，得到調(diào)試后的目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)；

11、通過(guò)所述目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)中的目標(biāo)表征向量抽取模塊，生成目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)。

12、在一個(gè)實(shí)施方式中，所述通過(guò)事先部署的各個(gè)電力狀態(tài)表征向量，與所述擬配對(duì)電力狀態(tài)表征向量之間的特征距離，確定所述目標(biāo)電力系統(tǒng)的電力狀態(tài)，包括：

13、獲取事先部署的各個(gè)電力狀態(tài)表征向量，并分別確定所述擬配對(duì)電力狀態(tài)表征向量與所述各個(gè)電力狀態(tài)表征向量之間的特征距離；

14、確定各個(gè)特征距離中，存在符合預(yù)定要求的目標(biāo)特征距離時(shí)，將符合設(shè)定要求的目標(biāo)特征距離對(duì)應(yīng)的電力狀態(tài)作為所述目標(biāo)電力系統(tǒng)的電力狀態(tài)。

15、在一個(gè)實(shí)施方式中，所述電力狀態(tài)分類參照網(wǎng)絡(luò)中包括表征向量抽取參照模塊和分類參照模塊，對(duì)所述電力狀態(tài)分類參照網(wǎng)絡(luò)進(jìn)行一次重復(fù)調(diào)試時(shí)，包括：

16、將獲取的第一電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述表征向量抽取參照模塊，獲得所述第一電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的參照電力狀態(tài)表征向量；

17、通過(guò)所述分類參照模塊，分別確定所述參照電力狀態(tài)表征向量與當(dāng)下生成的各個(gè)推理簇質(zhì)心之間的參照空間距離，以及基于各個(gè)參照空間距離確定對(duì)于所述第一電力數(shù)據(jù)學(xué)習(xí)樣例預(yù)估的分類參照信息；

18、通過(guò)所述分類參照信息與所述第一電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述電力狀態(tài)分類參照網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量和所述各個(gè)推理簇質(zhì)心；

19、所述將各個(gè)目標(biāo)簇質(zhì)心確定成基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中維持的各個(gè)簇質(zhì)心，以及基于所述電力數(shù)據(jù)學(xué)習(xí)樣例集和所述目標(biāo)對(duì)照網(wǎng)絡(luò)，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行多次遷移學(xué)習(xí)調(diào)試，得到調(diào)試后的目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)，包括：

20、將各個(gè)目標(biāo)簇質(zhì)心確定成所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中維持的各個(gè)簇質(zhì)心，以及基于所述電力數(shù)據(jù)學(xué)習(xí)樣例集，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行多次重復(fù)調(diào)試，得到調(diào)試后的過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)；

21、通過(guò)所述電力數(shù)據(jù)學(xué)習(xí)樣例集和所述目標(biāo)對(duì)照網(wǎng)絡(luò)，對(duì)所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行多次遷移學(xué)習(xí)調(diào)試，得到調(diào)試后的目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)。

22、在一個(gè)實(shí)施方式中，所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中包括基礎(chǔ)表征向量抽取模塊和基礎(chǔ)決策模塊，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一次重復(fù)調(diào)試時(shí)，包括：

23、將獲取的第二電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述基礎(chǔ)表征向量抽取模塊，獲得所述第二電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的第一基礎(chǔ)電力狀態(tài)表征向量；

24、將所述第一基礎(chǔ)電力狀態(tài)表征向量加載到所述基礎(chǔ)決策模塊，獲得通過(guò)所述第一基礎(chǔ)電力狀態(tài)表征向量和所述各個(gè)目標(biāo)簇質(zhì)心向量推理得到的第一基礎(chǔ)決策結(jié)果；

25、通過(guò)所述第一基礎(chǔ)決策結(jié)果與所述第二電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量。

26、在一個(gè)實(shí)施方式中，所述通過(guò)所述第一基礎(chǔ)電力狀態(tài)表征向量和所述各個(gè)目標(biāo)簇質(zhì)心向量推理得到的第一基礎(chǔ)決策結(jié)果，包括：

27、通過(guò)所述基礎(chǔ)決策模塊，分別確定所述第一基礎(chǔ)電力狀態(tài)表征向量與所述各個(gè)目標(biāo)簇質(zhì)心之間的第一基礎(chǔ)空間距離；

28、通過(guò)各個(gè)第一基礎(chǔ)空間距離確定對(duì)于所述第二電力數(shù)據(jù)學(xué)習(xí)樣例預(yù)估的第一基礎(chǔ)決策結(jié)果。

29、在一個(gè)實(shí)施方式中，所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)中包括過(guò)程表征向量抽取模塊和過(guò)程決策模塊，對(duì)所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一輪遷移學(xué)習(xí)調(diào)試時(shí)，包括：

30、將獲取的第三電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述目標(biāo)對(duì)照網(wǎng)絡(luò)，獲得所述目標(biāo)對(duì)照網(wǎng)絡(luò)抽取的第一參照電力狀態(tài)表征向量；

31、將所述第三電力數(shù)據(jù)學(xué)習(xí)樣例加載到調(diào)試后的所述過(guò)程表征向量抽取模塊，獲得對(duì)應(yīng)的過(guò)程電力狀態(tài)表征向量，以及基于所述過(guò)程決策模塊，通過(guò)所述過(guò)程電力狀態(tài)表征向量和所述各個(gè)目標(biāo)簇質(zhì)心，獲得預(yù)估的過(guò)程決策結(jié)果；

32、通過(guò)所述第一參照電力狀態(tài)表征向量與所述過(guò)程電力狀態(tài)表征向量之間的誤差，以及通過(guò)所述過(guò)程決策結(jié)果與所述第三電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量。

33、在一個(gè)實(shí)施方式中，所述通過(guò)所述第一參照電力狀態(tài)表征向量與所述過(guò)程電力狀態(tài)表征向量之間的誤差，以及通過(guò)所述過(guò)程決策結(jié)果與所述第三電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量，包括：

34、通過(guò)所述第一參照電力狀態(tài)表征向量與所述過(guò)程電力狀態(tài)表征向量之間的誤差，計(jì)算第一遷移學(xué)習(xí)誤差結(jié)果，以及通過(guò)所述過(guò)程決策結(jié)果與所述第三電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，計(jì)算第一分類誤差結(jié)果；

35、通過(guò)所述第一遷移學(xué)習(xí)誤差結(jié)果和所述第二分類誤差結(jié)果，優(yōu)化所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量。

36、在一個(gè)實(shí)施方式中，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一輪遷移學(xué)習(xí)調(diào)試時(shí)，包括：

37、將獲取的第四電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述目標(biāo)對(duì)照網(wǎng)絡(luò)，獲得所述目標(biāo)對(duì)照網(wǎng)絡(luò)抽取的第二參照電力狀態(tài)表征向量，并將所述第四電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)，獲得抽取的第二基礎(chǔ)電力狀態(tài)表征向量和預(yù)估的第二基礎(chǔ)決策結(jié)果；

38、通過(guò)所述第二參照電力狀態(tài)表征向量與所述第二基礎(chǔ)電力狀態(tài)表征向量之間的誤差，以及通過(guò)所述第二基礎(chǔ)決策結(jié)果與所述第四電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量。

39、在一個(gè)實(shí)施方式中，所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中包括基礎(chǔ)表征向量抽取模塊和基礎(chǔ)決策模塊，所述將所述第四電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)，獲得抽取的第二基礎(chǔ)電力狀態(tài)表征向量和預(yù)估的第二基礎(chǔ)決策結(jié)果，包括：

40、將所述第四電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述基礎(chǔ)表征向量抽取模塊，獲得抽取的第二基礎(chǔ)電力狀態(tài)表征向量；

41、通過(guò)所述基礎(chǔ)決策模塊，通過(guò)所述第二基礎(chǔ)電力狀態(tài)表征向量和所述各個(gè)目標(biāo)簇質(zhì)心，獲得預(yù)估的第二基礎(chǔ)決策結(jié)果；

42、所述通過(guò)所述第二參照電力狀態(tài)表征向量與所述第二基礎(chǔ)電力狀態(tài)表征向量之間的誤差，以及通過(guò)所述第二基礎(chǔ)決策結(jié)果與所述第四電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量，包括：

43、通過(guò)所述第二參照電力狀態(tài)表征向量與所述第二基礎(chǔ)電力狀態(tài)表征向量之間的誤差，計(jì)算第二遷移學(xué)習(xí)誤差結(jié)果，以及基于所述第二基礎(chǔ)決策結(jié)果與所述第四電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，計(jì)算第二分類誤差結(jié)果；

44、通過(guò)所述第二遷移學(xué)習(xí)誤差結(jié)果和所述第二分類誤差結(jié)果，優(yōu)化所述初始待調(diào)試電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量。

45、根據(jù)本技術(shù)實(shí)施例的另一個(gè)方面，提供一種電力預(yù)測(cè)系統(tǒng)，包括：

46、處理器；

47、以及存儲(chǔ)器，用于存儲(chǔ)所述處理器的可執(zhí)行指令；

48、其中，所述處理器被配置為經(jīng)由執(zhí)行所述可執(zhí)行指令來(lái)執(zhí)行以上所述的方法。

49、本技術(shù)至少具有的有益效果：

50、本技術(shù)實(shí)施例提供的基于電力指數(shù)分析的電力預(yù)測(cè)方法及系統(tǒng)，通過(guò)將調(diào)試好的目標(biāo)對(duì)照網(wǎng)絡(luò)生成的各個(gè)目標(biāo)簇質(zhì)心，確定成基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)中維持的各個(gè)簇質(zhì)心，可以將目標(biāo)對(duì)照網(wǎng)絡(luò)生成的各個(gè)簇質(zhì)心應(yīng)用到基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中，以及在基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)的調(diào)試時(shí)進(jìn)行維持不變，令調(diào)試完成時(shí)，基礎(chǔ)電力狀態(tài)表征向量抽取網(wǎng)絡(luò)的穩(wěn)定點(diǎn)靠近目標(biāo)對(duì)照網(wǎng)絡(luò)的穩(wěn)定點(diǎn)，同時(shí)，依靠目標(biāo)對(duì)照網(wǎng)絡(luò)和電力數(shù)據(jù)學(xué)習(xí)樣例集，可以對(duì)基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí)，不但令基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)在調(diào)試時(shí)，可以模仿目標(biāo)對(duì)照網(wǎng)絡(luò)的特征加工性能，而且令基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)可以模仿目標(biāo)對(duì)照網(wǎng)絡(luò)的特征值分布情況，那么通過(guò)調(diào)試后的目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)中的表征向量抽取模塊生成的目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)，可以精確地抽取電力狀態(tài)表征向量，且目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)在建立環(huán)節(jié)不需要多余的訓(xùn)練數(shù)據(jù)，降低了網(wǎng)絡(luò)調(diào)試的成本，提高了效率，進(jìn)一步而言，因目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)是通過(guò)遷移學(xué)習(xí)調(diào)試得到，那么目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)可以通過(guò)精巧小模型實(shí)現(xiàn)復(fù)雜大模型的數(shù)據(jù)分析能力，降低了對(duì)部署設(shè)備的硬件環(huán)境要求，節(jié)約了算力和部署成本。

51、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。。