【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及電網(wǎng)交互設(shè)計領(lǐng)域，尤其涉及一種基于卷積操作的仿真工具與智能體交互方法及系統(tǒng)。
技術(shù)介紹
1、新型電力系統(tǒng)已然呈現(xiàn)出高比例可再生能源和高比例電力電子設(shè)備的“雙高”特征，這一變化使得電網(wǎng)運行環(huán)境發(fā)生較大的改變，即不同電網(wǎng)間的互聯(lián)將變得復(fù)雜多樣，導(dǎo)致新型電力系統(tǒng)呈現(xiàn)高維非線性的特征。
2、目前，傳統(tǒng)的電網(wǎng)仿真工具與智能體之間的交互，每一個智能體與一個仿真工具通過一對一的交互，傳統(tǒng)的方法只在處理簡單或標(biāo)準(zhǔn)的電網(wǎng)運行和控制問題上效果顯著，面對高維非線性的電網(wǎng)架構(gòu)，傳統(tǒng)的交互方法無法處理差異化的電網(wǎng)數(shù)據(jù)或者在交互過程中需要對每種工具或數(shù)據(jù)類型手動設(shè)計和調(diào)整數(shù)據(jù)格式，整體而言，傳統(tǒng)的交互方法使得電網(wǎng)仿真工具與智能體的交互效率偏低。
技術(shù)實現(xiàn)思路
1、為了解決上述問題，本專利技術(shù)提出了一種基于卷積操作的仿真工具與智能體交互方法及系統(tǒng)，通過實現(xiàn)允許智能體與電網(wǎng)仿真工具執(zhí)行信息共享和策略協(xié)調(diào)，同時統(tǒng)一數(shù)據(jù)格式，有效提高智能體與仿真工具的交互效率。
2、為實現(xiàn)上述目的，本專利技術(shù)實施例提供了一種基于卷積操作的仿真工具與智能體交互方法，包括：
3、基于所述仿真工具生成的若干時間序列數(shù)據(jù)，對所述若干時間序列數(shù)據(jù)進行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，得到待輸入數(shù)據(jù)集；
4、通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值；
5、將所述第一需求特征值發(fā)送至所述智能體，生成若干訓(xùn)練策略；
6、基于所述若干訓(xùn)練策略，匹
7、將所述第二需求特征值發(fā)送至所述仿真工具，以使完成一次仿真工具和智能體交互。
8、本專利技術(shù)實施例提出一種基于卷積操作的仿真工具與智能體交互方法，通過獲取仿真工具生成的時間序列數(shù)據(jù)并對事件續(xù)力數(shù)據(jù)及逆行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，有效獲取數(shù)據(jù)的非線性特性以及獲取電力系統(tǒng)在不同環(huán)境下的動態(tài)變化情況，同時將數(shù)據(jù)格式進行統(tǒng)一，以使后續(xù)數(shù)據(jù)處理時減少數(shù)據(jù)之間的操作局限性，有助于提高智能體與仿真工具的交互效率；再通過卷積神經(jīng)網(wǎng)絡(luò)模型，對處理后的時間序列數(shù)據(jù)進行特征提取，獲取數(shù)據(jù)的關(guān)鍵特征以減少數(shù)據(jù)處理的復(fù)雜度，提高數(shù)據(jù)運算效率進而提高智能體與仿真工具的交互效率；然后還通過將特征提取得到的特征值發(fā)送至智能體，使得智能體訓(xùn)練出對應(yīng)的訓(xùn)練策略，通過匹配仿真工具的需求將訓(xùn)練策略轉(zhuǎn)換為仿真工具可接受的數(shù)據(jù)形式，進而將數(shù)據(jù)發(fā)送至仿真工具進行仿真，通過上述的方法以確保完成一次高效的數(shù)據(jù)交互。
9、進一步的，基于所述仿真工具生成的若干時間序列數(shù)據(jù)，對所述若干時間序列數(shù)據(jù)進行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，得到待輸入數(shù)據(jù)集，包括：
10、基于若干不同的仿真條件，通過所述仿真工具進行仿真，生成若干時間序列數(shù)據(jù)；
11、通過數(shù)據(jù)解析接口對所述若干時間序列數(shù)據(jù)進行維度解析，得到不同維度的所述若干時間序列數(shù)據(jù)；
12、對不同維度的所述若干時間序列數(shù)據(jù)進行歸一化處理，得到待輸入數(shù)據(jù)集。
13、進一步的，通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值，包括：
14、根據(jù)仿真需求設(shè)置對應(yīng)的預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；其中，所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型包括：卷積層、池化層和輸出層；
15、基于所述卷積層，對所述待輸入數(shù)據(jù)集進行特征提取，得到特征圖；
16、基于所述池化層，對所述特征圖進行降維，得到池化輸出值；
17、基于所述輸出層，通過預(yù)設(shè)激活函數(shù)對所述池化輸出值進行概率分布計算，得到第一需求特征值。
18、進一步的，基于所述卷積層，對所述待輸入數(shù)據(jù)集進行特征提取，得到特征圖，包括：
19、將所述待輸入數(shù)據(jù)集輸入至所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的卷積層；
20、通過所述卷積層對所述待輸入數(shù)據(jù)集進行權(quán)重矩陣運算，得到卷積特征值；
21、通過所述卷積層對所述卷積特征值進行拼接、展平和數(shù)據(jù)圖像填充，得到特征圖。
22、本專利技術(shù)實施例提出一種基于卷積操作的仿真工具與智能體交互方法，針對電網(wǎng)的特性和仿真需求，對時間序列數(shù)據(jù)進行關(guān)鍵特征提取，有效捕捉電力系統(tǒng)的瞬時狀態(tài)和長期趨勢，確保在交互過程中運算的都是有效數(shù)據(jù)，減少冗余數(shù)據(jù)的傳輸，提高數(shù)據(jù)算力，進而提高智能體與仿真工具的交互效率。
23、進一步的，基于所述池化層，對所述特征圖進行降維，得到池化輸出值，包括：
24、將所述特征圖輸入至所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的池化層；
25、通過所述池化層對所述特征圖進行最大池化和平均池化，得到池化輸出值。
26、本專利技術(shù)實施例提出一種基于卷積操作的仿真工具與智能體交互方法，通過池化層降低特征圖的維度，減少運算的復(fù)雜性和精簡仿真數(shù)據(jù)特征，強化主要特征，淡化次要特征，再通過最大池化和平均池化操作降低模型訓(xùn)練的過擬合風(fēng)險，提高模型在復(fù)雜數(shù)據(jù)下的運行穩(wěn)定性。
27、進一步的，基于所述輸出層，通過預(yù)設(shè)激活函數(shù)對所述池化輸出值進行概率分布計算，得到第一需求特征值，包括：
28、將所述池化輸出輸入至所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸出層值；
29、通過預(yù)設(shè)激活函數(shù)增強模型的預(yù)設(shè)激活函數(shù)對所述池化輸出值進行概率分布計算，得到第一需求特征值。
30、本專利技術(shù)實施例提出一種基于卷積操作的仿真工具與智能體交互方法，通過輸出層通過激活函數(shù)增強模型的非線性表達能力，確保智能體在控制決策時能夠依據(jù)提取得到的特征做出快速和有效的響應(yīng)，提升智能體與仿真工具的交互效率。
31、進一步的，將所述第一需求特征值發(fā)送至所述智能體，生成若干訓(xùn)練策略，包括：
32、將所述第一需求特征值發(fā)送至智能體；
33、基于不同的條件和智能體預(yù)設(shè)的任務(wù)需求，對所述第一需求特征值進行策略訓(xùn)練，生成不同條件下匹配智能體預(yù)設(shè)的任務(wù)需求的若干訓(xùn)練策略。
34、進一步的，基于所述若干訓(xùn)練策略，匹配對應(yīng)的仿真工具需求，生成第二需求特征值，包括：
35、基于預(yù)設(shè)的數(shù)據(jù)標(biāo)注工具，對所述若干訓(xùn)練策略進行分析和標(biāo)注，生成若干策略對應(yīng)的概率分布、動作和預(yù)期獎勵；
36、基于仿真工具需求，將所述若干策略對應(yīng)的概率分布、動作和預(yù)期獎勵轉(zhuǎn)換為仿真工具可分析的數(shù)據(jù)格式，得到第二需求特征值。
37、本專利技術(shù)實施例還提供一種基于卷積操作的仿真工具與智能體交互系統(tǒng)，包括：
38、仿真工具待輸入數(shù)據(jù)處理模塊、卷積操作模塊、智能體策略生成模塊、策略分析模塊和仿真工具數(shù)據(jù)回收模塊；
39、所述仿真工具待輸入數(shù)據(jù)處理模塊用于基于所述仿真工具生成的若干時間序列數(shù)據(jù)，對所述若干時間序列數(shù)據(jù)進行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，得到待輸入數(shù)據(jù)集；
40、所述卷積操作模塊用于通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值；
41、所述智能體策略生成模塊用于將所述第一需求本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，包括：
2.如權(quán)利要求1所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述仿真工具生成的若干時間序列數(shù)據(jù)，對所述若干時間序列數(shù)據(jù)進行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，得到待輸入數(shù)據(jù)集，包括：
3.如權(quán)利要求1所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值，包括：
4.如權(quán)利要求3所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述卷積層，對所述待輸入數(shù)據(jù)集進行特征提取，得到特征圖，包括：
5.如權(quán)利要求4所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述池化層，對所述特征圖進行降維，得到池化輸出值，包括：
6.如權(quán)利要求5所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述輸出層，通過預(yù)設(shè)激活函數(shù)對所述池化輸出值進行概率分布計算，得到第一需求特征值，包括：
7.如權(quán)利要求1所述的一種基于卷積操作的仿真
8.如權(quán)利要求1所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述若干訓(xùn)練策略，匹配對應(yīng)的仿真工具需求，生成第二需求特征值，包括：
9.一種基于卷積操作的仿真工具與智能體交互系統(tǒng)，其特征在于，應(yīng)用于權(quán)利要求1-8任意一項所述的一種基于卷積操作的仿真工具與智能體交互方法包括：
10.如權(quán)利要求9所述的一種基于卷積操作的仿真工具與智能體交互系統(tǒng)，其特征在于，所述卷積操作模塊用于通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值，包括：
...【技術(shù)特征摘要】
1.一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，包括：
2.如權(quán)利要求1所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述仿真工具生成的若干時間序列數(shù)據(jù)，對所述若干時間序列數(shù)據(jù)進行數(shù)據(jù)解析和數(shù)據(jù)統(tǒng)一，得到待輸入數(shù)據(jù)集，包括：
3.如權(quán)利要求1所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述待輸入數(shù)據(jù)集進行特征提取，獲取第一需求特征值，包括：
4.如權(quán)利要求3所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述卷積層，對所述待輸入數(shù)據(jù)集進行特征提取，得到特征圖，包括：
5.如權(quán)利要求4所述的一種基于卷積操作的仿真工具與智能體交互方法，其特征在于，基于所述池化層，對所述特征圖進行降維，得到池化輸出值，包括：
6.如權(quán)利要求5所述的一種基于卷積操作...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：林志達，楊鐸烔，張喜銘，李卓環(huán)，余蕓，楊思蕤，周長城，
申請(專利權(quán))人：中國南方電網(wǎng)有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。