[发明专利]配电网数字孪生体的运行状态预测方法及装置、训练方法

说明书

本发明涉及电力物联网领域，提供一种配电网数字孪生体的运行状态预测方法及装置、训练方法。所述方法包括：获取配电设备的多项性能数据；将配电设备的多项性能数据作为当前特征值并行输入数字孪生状态模型，得到多项性能数据对应的多个预测特征值，根据多个预测特征值得到配电设备运行状态的多个特征状态值；根据多个特征状态值推测出对应该配电设备的配电网数字孪生体的运行状态。其中，数字孪生状态模型包括由多组长短期记忆网络单元组构成的长短期记忆网络矩阵，每一组长短期记忆网络单元组对应配电设备的一项性能数据，多组长短期记忆网络单元组分别用于测算多项性能数据对应的预测特征值。本发明降低了配电网数字孪生体的运算复杂度。

技术领域

本发明涉及电力物联网领域，具体地涉及一种配电网数字孪生体的运行状态预测方法、一种数字孪生状态模型的训练方法、一种配电网数字孪生体的运行状态预测装置、一种计算机设备以及一种计算机可读存储介质。

背景技术

配电物联网是传统工业技术与物联网技术深度融合产生的一种新型电力网络形态，通过配电设备间的全面互联、互通、互操作，实现配电网的全面感知、数据融合和智能应用，满足配电网精益化管理需求。

配电网数字孪生体（Distribute Network Digital Twin，分布式网络数字孪生，简称DNDT）对应的是真实世界中的配电网，是包括架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施在内的配电网系统在虚拟数字空间的完整映射，通过全覆盖度的高密度动态数据，完全反映实体及其之间关系在全生命周期时间尺度内的动态变化，能实现与物理配电网系统的信息与动作的交互，同时也能支撑应用系统实现基于数字孪生体全模型数据智能分析、动态决策、互感协作，是一个数字化的生命体集合或更大尺度与范畴的数字孪生体。

现有的配电网存在着设备种类繁杂、数量巨大、信息差异化等特点，导致配电数字孪生系统难以建立精细化的统一信息模型，增加了数字孪生的运算量和复杂度。如果配电数字孪生系统采用云计算的方式，会给云平台主站造成极大的算力负担和通信负担；如果采用边缘计算的方式，则有限的算力难以支持配电网的精细化仿真和高复杂度运算，影响配电网数字孪生体在边缘计算终端的部署和运行。

发明内容

为了解决上述技术问题，本发明提供一种配电网数字孪生体的运行状态预测方法及装置，以降低运算复杂度。

本发明实施例的第一个方面，提供了一种配电网数字孪生体的运行状态预测方法，包括：

获取配电设备的多项性能数据；

将配电设备的多项性能数据作为当前特征值并行输入数字孪生状态模型，得到多项性能数据对应的多个预测特征值，根据多个预测特征值得到配电设备运行状态的多个特征状态值；其中，所述数字孪生状态模型包括由多组长短期记忆网络单元组构成的长短期记忆网络矩阵，每一组长短期记忆网络单元组对应配电设备的一项性能数据，多组长短期记忆网络单元组分别用于测算多项性能数据对应的预测特征值；

根据配电设备运行状态的多个特征状态值，推测出对应所述配电设备的配电网数字孪生体的运行状态。

本发明实施例中，所述长短期记忆网络矩阵包括n×m个长短期记忆网络单元，配电设备的每一项性能数据对应一组滑动窗口为m的长短期记忆网络单元组，其中，n为配电设备的性能数据的项数，m为一组长短期记忆网络单元组中长短期记忆网络单元的个数。

本发明实施例中，所述长短期记忆网络单元包括输入门、输出门以及状态单元，所述状态单元用于将第一输入门信号与tanh函数激活的携带遗忘程度信息的第二输入门信号进行求和，得到状态更新信号。

本发明实施例中，所述长短期记忆网络单元的结构公式为：

；