一种电力系统运行状态预测方法、装置、电子设备及存储介质与流程

本发明涉及电力系统运行状态预测，具体涉及一种电力系统运行状态预测方法、装置、电子设备及存储介质。

背景技术：

1、电力系统运行状态的预测是保障现代智能电网安全、稳定及高效调度的重要基础。随着新型电力系统形态的日益复杂，节点间的耦合关系不断加深，提前且准确地感知系统各项状态变量的演变趋势，能为电网调度端提供前瞻决策支撑。

2、然而，现有的状态预测方法存在对突发事件影响感知不足、异构数据融合深度不够的技术缺陷，导致在复杂外部扰动下的预测精度有所下降。原因在于，目前的预测方案主要依赖结构化的历史运行时序数据来拟合基础数值趋势，却难以有效处理并量化设备故障报告、极端天气预警等非结构化文本事件对电网造成的突变冲击；由于缺乏深度的信息抽取与物理空间映射机制，现有技术难以将非结构化的定性语义事件拆解并关联到具体受影响的物理设备上，从而难以计算出事件对各项状态变量的具体量化残差，进而也难以实现与结构化主趋势的向量叠加融合，导致预测结果容易脱离真实的物理设备拓扑环境，难以为主机调度端提供精细到具体设备的控制依据。

技术实现思路

1、本发明实施例提供一种电力系统运行状态预测方法、装置、电子设备及存储介质，能够解决现有技术中对突发事件影响感知不足以及异构数据融合深度不够，难以将非结构化的定性文本事件拆解量化并关联到具体物理设备，导致预测结果容易脱离真实物理拓扑环境且难以为调度端提供精细化控制依据的问题。

2、本发明一实施例提供了一种电力系统运行状态预测方法，包括：

3、获取目标供电区域的物理设备集合、目标供电区域在目标时间段内的结构化运行数据以及非结构化事件数据；

4、根据结构化运行数据提取各项状态变量的主频特征，并基于主频特征重构目标供电区域的运行状态主趋势；

5、将非结构化事件数据输入大语言模型执行信息抽取，生成包含受影响设备的设备描述文本的结构化事件知识单元；计算设备描述文本与物理设备集合中各个物理设备的设备标识之间的匹配关系以得到关联权重；根据各个物理设备的设备标识以及各项状态变量，对关联权重进行聚合计算，生成运行影响因子；根据预设的残差映射模型处理运行影响因子，输出事件驱动残差；

6、将运行状态主趋势与事件驱动残差进行多维向量的叠加运算，生成目标供电区域的目标运行状态预测结果；

7、根据目标运行状态预测结果中各项状态变量的预测数值，匹配预设的调度风险规则，生成调度控制策略，以对各个物理设备执行调度控制。

8、进一步的，获取目标供电区域的物理设备集合、目标供电区域在目标时间段内的结构化运行数据以及非结构化事件数据，包括：

9、获取目标供电区域的调度对象台账与设备台账，对调度对象台账与设备台账进行对象标准化处理，生成物理设备集合；

10、获取目标供电区域在目标时间段内的历史负荷数据以及气象特征数据，对历史负荷数据以及气象特征数据进行时间区间统一与粒度聚合，生成结构化运行数据；

11、从预设的设备故障告警总线中接收告警报文，生成设备故障文本；

12、从预设的气象预警信息源中提取预警信息，生成气象预警文本；

13、从预设的调度运行公告网页中提取网页正文，生成调度公告文本；

14、对设备故障文本、气象预警文本以及调度公告文本进行时间对齐处理，生成非结构化事件数据。

15、进一步的，所述各项状态变量包括用电负荷、净负荷以及备用需求；所述结构化运行数据包括与所述用电负荷、所述净负荷以及所述备用需求分别对应的历史运行数据；

16、根据结构化运行数据提取各项状态变量的主频特征，并基于主频特征重构目标供电区域的运行状态主趋势，包括：

17、针对每一状态变量，从结构化运行数据中提取与当前的状态变量对应的历史运行数据；对历史运行数据进行频域分解处理，生成多个频率分量以及各个频率分量对应的幅值参数；

18、按照幅值参数由大到小的顺序对所述多个频率分量进行排序，从排序后的所述多个频率分量中提取预设数量的频率分量作为当前的状态变量的主频特征；

19、将历史运行数据输入预先建立的趋势回归预测模型，生成当前的状态变量的目标周期分量参数；

20、根据主频特征以及目标周期分量参数进行时序信号重构，生成当前的状态变量的基础数值主趋势；

21、提取基础数值主趋势在目标时间段内的数值极值，确定所述数值极值对应的极值时段；

22、从基础数值主趋势中提取所述极值时段对应的数据序列，生成当前的状态变量的极值时段主趋势；

23、在生成所有各项状态变量的基础数值主趋势以及极值时段主趋势之后，根据预设的风险权重以及预设的安全阈值，对各项状态变量的基础数值主趋势进行加权求和与离散区间映射处理，生成目标供电区域的风险等级主趋势；

24、将各项状态变量的基础数值主趋势、各项状态变量的极值时段主趋势以及风险等级主趋势进行组合，生成目标供电区域的运行状态主趋势。

25、进一步的，将非结构化事件数据输入大语言模型执行信息抽取，生成包含受影响设备的设备描述文本的结构化事件知识单元；计算设备描述文本与物理设备集合中各个物理设备的设备标识之间的匹配关系以得到关联权重，包括：

26、根据预设的提示词模板，将非结构化事件数据输入大语言模型进行信息抽取，生成结构化事件知识单元；其中，结构化事件知识单元包括事件类型信息以及多个受影响设备的设备描述文本；

27、从物理设备集合中集中提取各个物理设备的设备类型属性以及设备标识；

28、根据预设的类型匹配规则，对事件类型信息与各个物理设备的设备类型属性分别进行比对校验，生成事件类型信息与各个物理设备的设备类型属性之间的类型匹配度；

29、根据预设的文本表征模型，对各个物理设备的设备标识分别进行特征提取，生成与各个物理设备的设备标识分别对应的物理设备特征向量；

30、针对每一设备描述文本，根据文本表征模型对当前的设备描述文本进行特征提取，生成当前的设备描述文本对应的受影响设备特征向量；

31、将受影响设备特征向量与各物理设备特征向量逐一进行空间距离测算，生成当前的设备描述文本与各个物理设备的设备标识之间的实体链接相似度；

32、根据实体链接相似度以及类型匹配度执行数值聚合计算，生成当前的设备描述文本与各个物理设备的设备标识之间的关联权重。

33、进一步的，所述结构化事件知识单元还包括事件来源可信度以及信息抽取置信度；

34、根据各个物理设备的设备标识以及各项状态变量，对关联权重进行聚合计算，生成运行影响因子；根据预设的残差映射模型处理运行影响因子，输出事件驱动残差，包括：

35、根据关联权重以及事件类型信息，确定与各个物理设备的设备标识分别对应的冲突事件特征；

36、根据事件来源可信度以及信息抽取置信度，对与各个物理设备的设备标识分别对应的冲突事件特征进行调和加权，生成与各个物理设备的设备标识分别对应的冲突处理系数；

37、根据各个物理设备的设备标识以及各项状态变量，根据各冲突处理系数对关联权重进行聚合计算，生成与各项状态变量分别对应的运行影响因子；

38、将各运行影响因子输入预设的残差映射模型进行特征映射处理，生成初始事件驱动残差；

39、对初始事件驱动残差进行逻辑违背校验，生成惩罚偏置数值；

40、根据初始事件驱动残差以及惩罚偏置数值执行数值修正运算，生成事件驱动残差。

41、进一步的，将运行状态主趋势与事件驱动残差进行多维向量的叠加运算，生成目标供电区域的目标运行状态预测结果，包括：

42、对运行状态主趋势以及事件驱动残差进行向量偏置融合运算，生成初始运行状态预测结果；

43、根据预设的运行状态映射规则，对初始运行状态预测结果执行数值边界约束以及离散维度映射处理，生成目标供电区域的目标运行状态预测结果；其中，目标运行状态预测结果包括与各项状态变量分别对应的预测数值。

44、进一步的，根据目标运行状态预测结果中各项状态变量的预测数值，匹配预设的调度风险规则，生成调度控制策略，以对各个物理设备执行调度控制，包括：

45、根据预设的评分映射规则，对目标运行状态预测结果中各项状态变量的预测数值分别执行归一化映射处理，生成与各项状态变量分别对应的单维风险评分；

46、对与各项状态变量分别对应的单维风险评分执行加权聚合计算，生成综合风险评估数值；

47、根据预设的调度风险规则，对综合风险评估数值执行区间比对处理，确定与综合风险评估数值对应的调度安全风险等级；其中，预设的调度风险规则包含风险分级阈值以及与各个调度安全风险等级绑定的候选调度控制策略；

48、根据调度安全风险等级以及各项状态变量的预测数值，从调度风险规则中提取绑定的候选调度控制策略作为调度控制策略，以对各个物理设备执行调度控制。

49、在上述方法项实施例的基础上，本发明对应提供了装置项实施例。

50、本发明一实施例提供了一种电力系统运行状态预测装置，包括：数据获取模块、主趋势重构模块、事件驱动处理模块、预测结果生成模块和调度控制模块；

51、所述数据获取模块，用于获取目标供电区域的物理设备集合、目标供电区域在目标时间段内的结构化运行数据以及非结构化事件数据；

52、所述主趋势重构模块，用于根据结构化运行数据提取各项状态变量的主频特征，并基于主频特征重构目标供电区域的运行状态主趋势；

53、所述事件驱动处理模块，用于将非结构化事件数据输入大语言模型执行信息抽取，生成包含受影响设备的设备描述文本的结构化事件知识单元；计算设备描述文本与物理设备集合中各个物理设备的设备标识之间的匹配关系以得到关联权重；根据各个物理设备的设备标识以及各项状态变量，对关联权重进行聚合计算，生成运行影响因子；根据预设的残差映射模型处理运行影响因子，输出事件驱动残差；

54、所述预测结果生成模块，用于将运行状态主趋势与事件驱动残差进行多维向量的叠加运算，生成目标供电区域的目标运行状态预测结果；

55、所述调度控制模块，用于根据目标运行状态预测结果中各项状态变量的预测数值，匹配预设的调度风险规则，生成调度控制策略，以对各个物理设备执行调度控制。

56、在上述方法项实施例的基础上，本发明对应提供了电子设备项实施例。

57、本发明一实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述方法项实施例中任一项所述电力系统运行状态预测方法。

58、在上述方法项实施例的基础上，本发明对应提供了存储介质项实施例。

59、本发明一实施例提供了一种存储介质，其上存储有计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述方法项实施例中任一项所述电力系统运行状态预测方法。

60、与现有技术对比，本发明具有如下有益效果：

61、本发明实施例提供一种电力系统运行状态预测方法、装置、电子设备及存储介质。所述方法获取目标供电区域的物理设备集合、结构化运行数据及非结构化事件数据；根据结构化运行数据提取状态变量主频特征，重构运行状态主趋势；利用大语言模型对非结构化事件数据进行信息抽取，生成结构化事件知识单元，并结合设备标识匹配关系生成运行影响因子，经残差映射模型得到事件驱动残差；将运行状态主趋势与事件驱动残差叠加，生成目标运行状态预测结果；根据预测结果匹配调度风险规则，生成调度控制策略，对各物理设备执行调度控制。

62、本发明通过将非结构化事件数据输入大语言模型抽取受影响设备，并结合设备匹配规则与残差映射模型生成事件驱动残差，解决了现有技术难以将定性文本事件拆解、量化并关联到具体物理设备的问题。进一步地，本发明将基于结构化数据重构的运行状态主趋势与上述事件驱动残差进行多维向量的叠加运算，克服了突发事件冲击下异构数据融合深度不足的问题。这种深度的特征融合预测结果能够直接匹配调度风险规则，解决了现有预测结果脱离真实物理拓扑环境的问题，为电网内的物理设备提供了精细且可靠的调度控制依据。