基于时空交互融合的电力用户属性识别方法和装置与流程

本发明创造涉及目标检测，特别是涉及一种基于时空交互融合的电力用户属性识别方法和装置。

背景技术：

1、随着智能电网建设的持续推进，电力系统积累了海量的用户用电数据。精准识别电力用户的属性，是开展负荷预测、需求响应、线损治理、故障抢修等配网运营工作的核心基础。现有电力用户属性识别方法多以用户用电负荷时序数据为核心，通过传统机器学习或深度学习模型，将用户时序负荷数据与基础属性特征通过向量拼接进行融合，输入至分类模型进行属性预测。

2、但这种简单的向量拼接方式融合多源特征，忽略了电力用户之间固有的电气连接关系和空间聚集效应，导致信息利用率低、特征表达不全面，从而降低了电力用户属性识别的准确性。

技术实现思路

1、本发明创造实施例提供的基于时空交互融合的电力用户属性识别方法、装置、电子设备、存储介质和计算机程序产品，以在一定程度上提升电力用户属性识别的准确性。

2、第一方面，本发明提供一种基于时空交互融合的电力用户属性识别方法，所述方法包括：

3、获取目标用户的用电负荷序列和拓扑邻接图；其中，所述用电负荷序列包括目标用户在预设时间段内的各个子用电时段的用电负荷，所述拓扑邻接图至少包括用户节点与配变设备的电气连接关系、用户节点与邻居节点的空间邻接关系、用户节点与邻居节点的语义相似关系中的一个；

4、将所述用电负荷序列输入至时序特征提取模型，得到所述目标用户的用电负荷特征向量；

5、将所述拓扑邻接图输入至关系图注意力网络，得到所述目标用户的拓扑特征向量；

6、将所述用电负荷特征向量和所述拓扑特征向量输入预设推理模型，得到所述目标用户的属性信息。

7、在本发明的一个实施例中，获取目标用户的用电负荷序列和拓扑邻接图，包括：

8、获取目标用户的用电负荷序列，以及目标用户所在目标区域内的配变设备、兴趣点和用户名称；

9、根据所述配变设备的电气邻接关系，构建电气拓扑图；

10、根据所述目标用户与各个所述兴趣点之间的位置关系，构建地理拓扑图；

11、根据所述目标用户的名称与所述目标区域内其他用户的名称的语义相似度，构建语义关系图；

12、将所述电气拓扑图、所述地理拓扑图和所述语义关系图合并为拓扑邻接图。

13、在本发明的一个实施例中，根据所述目标用户与各个所述兴趣点之间的位置关系，构建地理拓扑图，包括：

14、基于目标用户节点与各个兴趣点之间的位置关系，构建维诺图；

15、依次遍历各个兴趣点，在所述目标用户节点与当前兴趣点在所述维诺图中存在公共边界的情况下，建立所述目标用户节点与所述当前兴趣点的空间邻接边；

16、根据所述目标用户节点与所述当前兴趣点的欧式距离，确定所述空间邻接边的权重，以得到地理拓扑图。

17、在本发明的一个实施例中，根据所述目标用户的名称与所述目标区域内其他用户的名称的语义相似度，构建语义关系图，包括：

18、利用bert模型，分别提取目标用户的名称的目标词向量和目标区域内其他用户的名称的邻居词向量；

19、对于每个邻居词向量，计算所述目标词向量与所述邻居词向量的余弦相似度；

20、在所述余弦相似度大于或等于预设相似度的情况下，构建目标用户节点与邻居词向量对应的邻居节点的语义相似边；其中，多个语义相似边构成语义关系图。

21、在本发明的一个实施例中，将所述用电负荷序列输入至时序特征提取模型，得到所述目标用户的用电负荷特征向量，包括：

22、将所述用电负荷序列分别输入多分支的时序特征提取模型，得到多个分支特征向量；其中，不同分支分别对应有不同尺度的膨胀率；

23、将多个分支特征向量进行拼接，得到多尺度特征向量；

24、基于目标时间注意力权重，为所述多尺度特征向量添加注意力，得到目标用户的用电负荷特征向量。

25、在本发明的一个实施例中，在基于目标时间注意力权重，为所述多尺度特征向量添加注意力，得到目标用户的用电负荷特征向量的步骤之前，所述方法还包括：

26、基于可学习权重矩阵，将所述多尺度特征向量映射到注意力隐空间，得到注意力中间特征向量；

27、将注意力打分向量的转置，与所述注意力中间特征向量相乘，得到时间注意力权重向量；

28、基于所述时间注意力权重向量，确定目标时间注意力权重向量；其中，所述目标时间注意力权重向量中的各个目标时间注意力权重之和为1。

29、在本发明的一个实施例中，将所述拓扑邻接图输入至关系图注意力网络，得到所述目标用户的拓扑特征向量，包括：

30、基于所述拓扑邻接图中的每类关系类型，分别对目标用户的目标节点的当前层输入特征、以及与目标节点通过所述关系类型连接的所有邻居节点的当前层输入特征进行线性变换，得到目标节点与各邻居节点在所述关系类型下的投影特征；

31、将所述目标节点的投影特征与对应邻居节点的投影特征进行向量拼接，采用所述关系类型对应的可学习注意力向量对拼接后的特征向量进行线性映射，再经leakyrelu激活函数处理，得到对应邻居节点相对于目标节点在该关系下的注意力得分；

32、对所述注意力得分进行归一化处理，得到各邻居节点在所述关系类型下的归一化注意力权重；

33、以对应归一化注意力权重为系数，对所述关系类型下所有邻居节点的投影特征进行加权求和，得到目标节点在所述关系类型下的单关系邻居聚合特征；

34、将所有关系类型对应的单关系邻居聚合特征进行求和，得到全关系邻居聚合特征；采用自连接投影矩阵对目标节点的当前层输入特征进行线性变换得到自连接特征，将所述全关系邻居聚合特征与所述自连接特征相加，得到融合特征；

35、将所述融合特征输入非线性激活函数进行非线性变换，输出目标节点在当前层更新后的节点特征；堆叠执行至少两层单层图特征聚合，每一层的输出作为下一层的输入，将最后一层输出的节点特征作为目标电力用户的拓扑特征向量。

36、在本发明的一个实施例中，将所述用电负荷特征向量和所述拓扑特征向量输入预设推理模型，得到所述目标用户的属性信息，包括：

37、对所述用电负荷特征向量输入第一线性变换层进行线性映射得到目标时序特征；

38、将所述拓扑特征向量输入第二线性变换层进行线性映射得到目标拓扑特征；其中，所述目标时序特征与所述目标拓扑特征的维度相同；

39、将所述目标时序特征、所述目标拓扑特征、所述目标时序特征和所述目标拓扑特征的逐元素交互特征，以及所述目标时序特征和所述目标拓扑特征逐元素差值的绝对值特征进行拼接，得到融合特征向量；

40、将所述融合特征向量输入门控全连接层，经sigmoid激活函数计算得到门控权重系数；

41、以所述门控权重系数为所述目标时序特征的加权系数、以1与所述门控权重系数的差值为所述目标拓扑特征的加权系数，对所述目标时序特征和所述目标拓扑特征进行加权求和，得到目标用户的时空联合融合特征；

42、将所述时空联合融合特征输入分类全连接层，得到所述目标用户的属性信息。

43、在本发明的一个实施例中，所述方法还包括：

44、将各电力用户的用电负荷特征向量通过第一线性变换层进行线性映射，将各电力用户的拓扑特征向量通过第二线性变换层进行线性映射；并且分别对映射后的用电负荷特征向量与拓扑特征向量进行归一化处理，得到各用户的归一化时序表征向量与归一化拓扑表征向量；

45、以同一用户的归一化时序表征向量与归一化拓扑表征向量构成正样本对，以当前用户的归一化时序表征向量与其余所有用户的归一化拓扑表征向量构成负样本对；基于余弦相似度与预设的温度调节系数，采用信息噪声对比估计损失函数计算跨视图对比损失；所述温度调节系数用于调节正负样本的区分粒度；

46、依据所述拓扑邻接图中用户节点与配变设备的连接紧密程度，构建拓扑一致性损失项；

47、将所述跨视图对比损失与所述拓扑一致性损失项进行加权求和，得到预训练优化的联合总损失，其中拓扑一致性损失项对应的加权系数为拓扑约束权重系数；

48、以所述联合总损失为优化目标，通过反向传播算法同步更新时序特征提取模型、关系图注意力网络以及所述第一线性变换层和所述第二线性变换层的网络参数，迭代训练至损失收敛，完成时空特征编码器的预训练。

49、在本发明的一个实施例中，所述方法还包括：

50、在监测到目标用户的电力设备节点发生故障的情况下，以所述目标用户的电力设备节点为检索起点，基于用户节点与配变设备的电气连接边进行拓扑遍历搜索，筛选得到所有与所述电力设备节点存在直接或间接电气连接关系的电力用户节点，构成停电受影响用户集合；

51、基于所述停电受影响用户集合对应的空间覆盖范围，沿所述电力用户节点与邻居节点的空间邻接边进行扩展检索，筛选得到处于受影响空间范围内的敏感兴趣节点；

52、整合所述停电受影响用户集合的用户属性信息与所述敏感兴趣节点的场所属性信息，生成包括受影响用户统计、敏感场所清单的综合停电影响分析报告。

53、第二方面，本发明提供一种基于时空交互融合的电力用户属性识别装置，所述装置包括：

54、数据获取模块，用于获取目标用户的用电负荷序列和拓扑邻接图；其中，所述用电负荷序列包括目标用户在预设时间段内的各个子用电时段的用电负荷，所述拓扑邻接图至少包括用户节点与配变设备的电气连接关系、用户节点与邻居节点的空间邻接关系、用户节点与邻居节点的语义相似关系中的一个；

55、时序特征提取模块，用于将所述用电负荷序列输入至时序特征提取模型，得到所述目标用户的用电负荷特征向量；

56、拓扑特征提取模块，用于将所述拓扑邻接图输入至关系图注意力网络，得到所述目标用户的拓扑特征向量；

57、属性识别模块，用于将所述用电负荷特征向量和所述拓扑特征向量输入预设推理模型，得到所述目标用户的属性信息。

58、第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于时空交互融合的电力用户属性识别方法。

59、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的基于时空交互融合的电力用户属性识别方法。

60、第五方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，使得计算机执行上述任一项所述的基于时空交互融合的电力用户属性识别方法。

61、本发明通过提供一种基于时空交互融合的电力用户属性识别方法，通过用电负荷序列的时序特征数据，以及多元异构的拓扑特征数据的协同融合，整合了从用户自身用电行为到异构图多关系邻域信息的完整特征链条。时序特征提取模型提供了多尺度的用电模式表达，关系图注意力网络提供了多关系下的拓扑结构表达，通过将两者共同纳入预设推理模型，得到目标用户的属性信息，即使在商住混合区等复杂场景下，也能输出较为准确的用户属性辨识结果，为电网智能化运检水平的提升提供可靠的技术支撑。