[发明专利]一种实现自动程式化下令的方法及装置

说明书

本发明公开了一种实现自动程式化下令的方法及装置，包括：获取电力系统中设备的调度指令数据；根据CNN指令识别算法对所述调度指令数据进行特征提取并获取分类结果，并根据分类结果识别调度指令的具体操作；根据识别结果实现自动程式化下令。利用基于特征提取的卷积神经网络对调度指令信息进行模式化识别的方法，构建算法模型，对调度指令实现机器识别，提高配网调度操作工作效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种实现自动程式化下令的方法、装置、终端设备及存储介质。

背景技术

在传统的电力系统网络发令模式中，在现场完成到站汇报及操作申请后，调度员需人工完成相关安全校核，在系统手动地程式化下令并与现场点对点单线程完成后续业务流程，整个过程的发、收令流程较多，因此考虑利用RNNs循环神经网络(Recurrent NeuralNetworks，RNNs)来进行序列数据的处理，但是RNNs模型受短期的记忆影响较大，长期的记忆影响很小，当间隔变大时甚至会丧失学习能力，因而无法处理长序列，在操作高峰期时，其需要处理的信息调度指令增多，会存在排队、“塞车”、互相等待等浪费的现象，因此操作效率受到影响。

发明内容

本发明目的在于，提供一种实现自动程式化下令的方法及装置，通过特征提取的卷积神经网络对调度指令信息进行模式化识别的方法，构建算法模型，对调度指令实现机器识别，提升配网调度操作工作效率，以解决现有的网络发令效率低下的问题。

为实现上述目的，本发明提供一种实现自动程式化下令的方法，包括：

获取电力系统中设备的调度指令数据；

根据CNN指令识别算法对所述调度指令数据进行特征提取并获取分类结果，并根据分类结果识别调度指令的具体操作；

根据识别结果实现自动程式化下令。

优选地，所述根据CNN指令识别算法对所述调度指令数据进行特征提取并获取分类结果，具体为：

利用卷积核对所述调度指令数据进行卷积处理，公式如下：

其中，为第l层第j个卷积运算后输出的结果，为第l-1层第i个卷积运算后输出的结果，为第l层第j个卷积，为第l层第j个偏置参数，f(x)为激活函数；

利用池化层对卷积运算输出的结果进行最大池化，获得特征图层；

将特征图层进行全局信息整合，且利用Softmax函数对整合结果进行分类，获得分类结果。

优选地，还包括对池化结果进行均衡化处理。

优选地，所述卷积核的个数为5*5。

优选地，所述激活函数为ReLU函数。

优选地，所述池化层的层数为2*2。

本发明还提供一种实现自动程式化下令的装置，应用于上述的实现自动程式化下令的方法，包括：

数据获取模块，用于获取电力系统中设备的调度指令数据；

分类识别模块，用于根据预先建立的CNN指令识别模型对所述调度指令数据进行特征提取并获取分类结果，并根据所述分类结果识别调度指令的具体操作；

自动程式化下令模块，用于根据识别结果实现自动程式化下令。

优选地，还包括建立CNN指令识别模型，具体为：

卷积处理单元，用于利用卷积核对所述调度指令数据进行卷积处理，公式如下：