面向智慧配电网感存算一体化终端的模型轻量化部署方法及相关装置与流程

摘要: 本发明属于模型部署,具体涉及一种面向智慧配电网感存算一体化终端的模型轻量化部署方法及相关装置。背景技术:1、随着配电网侧分布式光伏、储能及充电桩的接入比例持续上...
面向智慧配电网感存算一体化终端的模型轻量化部署方法及相关装置与流程

本发明属于模型部署,具体涉及一种面向智慧配电网感存算一体化终端的模型轻量化部署方法及相关装置。

背景技术:

1、随着配电网侧分布式光伏、储能及充电桩的接入比例持续上升,台区出力与负荷波动的不确定性显著增加,多设备间的耦合运行工况日趋复杂。传统方案高度依赖云端集中处理,存在数据回传链路延迟大、通信带宽占用高等问题,导致本地调控响应滞后,难以满足配电网毫秒级实时控制的需求。

2、感存算一体化终端虽可在边缘侧集成数据采集、存储、计算与控制功能,但市售产品多搭载低主频处理器,且内存与闪存资源紧张,算力普遍不足1tops。若直接部署未压缩的深度学习模型,极易引发内存溢出或推理严重卡顿。

3、当前主流的剪枝、量化、蒸馏及低秩分解等手段多为通用算法,未深度结合配电网电气特性与终端硬件约束进行定制。在实际部署中,工程短板主要集中在四个方面:一是压缩后模型精度衰减明显,部分场景跌破90%的现场验收要求;二是单次推理时延超过500ms,难以匹配电网毫秒级控制节拍;三是算法与存算一体硬件兼容性不佳,算子支持受限且内存驻留偏高;四是缺乏从训练、编译到在线更新的完整工程闭环,导致设备长期运行稳定性不足。

技术实现思路

1、针对上述问题,本发明提出一种面向智慧配电网感存算一体化终端的模型轻量化部署方法及相关装置,能够克服现有通用压缩算法在低算力终端上导致模型精度下降明显、推理时延过高的技术瓶颈。

2、为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:

3、第一方面,本发明提供了一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,包括:

4、以电压-功率灵敏度一致性为约束条件,根据模型的结构,采用差异化的渐进式裁剪策略,对模型进行剪枝操作,得到剪枝后的模型;

5、对剪枝后的模型进行分层混合精度动态量化操作,得到量化后的模型;

6、对量化后的模型进行跨层蒸馏,以修复分层混合精度动态量化操作带来的表征漂移,得到轻量化模型;

7、将所述轻量化模型部署至感存算一体化终端。

8、第二方面,本发明提供了一种面向智慧配电网感存算一体化终端的模型轻量化部署装置,包括:

9、剪枝模块,用于以电压-功率灵敏度一致性为约束条件,根据模型的结构,采用差异化的渐进式裁剪策略,对模型进行剪枝操作,得到剪枝后的模型;

10、量化模块,用于对剪枝后的模型进行分层混合精度动态量化操作,得到量化后的模型;

11、修复模块,用于对量化后的模型进行跨层蒸馏,以修复分层混合精度动态量化操作带来的表征漂移,得到轻量化模型;

12、部署模块,用于将所述轻量化模型部署至感存算一体化终端。

13、第三方面,本发明提供了一种面向智慧配电网感存算一体化终端的模型轻量化部署系统,包括存储介质和处理器;

14、所述存储介质用于存储指令;

15、所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。

16、与现有技术相比,本发明的有益效果:

17、本发明在结构稀疏剪枝环节,首创基于电压-功率灵敏度物理约束的渐进式裁剪策略:不同于传统仅依据权重幅值的剪枝方法,本发明利用配电网节点电压对有功功率变化的敏感度特性,引导模型在60%~85%稀疏度范围内进行渐进裁剪,确保模型在瘦身的同时严格满足电网物理因果律,避免剪枝导致的电气逻辑失真。同时,在分层混合精度动态量化操作(特征层fp16、时序层int16、决策层int8)并经误差补偿后,本发明进一步提出“数据-物理双域联合蒸馏”机制:引入基于潮流计算构建的物理教师模型,与云端数据教师模型形成互补。该机制并非简单的参数调优,而是构建了跨域知识迁移通道,通过数据分布对齐与物理规律约束的双重损失函数,有效修复低精度带来的表征漂移,实现了数据驱动与物理先验的深度融合。

1.一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于,包括:

2.根据权利要求1所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于,所述剪枝操作的截止条件为总损失函数最小,所述总损失函数的数学表达式为:

3.根据权利要求2所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:若所述模型的结构为lstm网络+注意力网络,则所述根据模型的结构,采用差异化的渐进式裁剪策略,对模型进行剪枝操作,得到剪枝后的模型,具体包括:

4.根据权利要求2所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:若所述模型的结构为cnn网络+自编码器,则所述根据模型的结构,采用差异化的渐进式裁剪策略,对模型进行剪枝操作,得到剪枝后的模型,具体包括:

5.根据权利要求2所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:若所述模型的结构为mlp网络,则所述根据模型的结构,采用差异化的渐进式裁剪策略,对模型进行剪枝操作,得到剪枝后的模型,具体包括:

6.根据权利要求3-5中任一项所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:所述模型稀疏度为60%~85%。

7.根据权利要求1所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:所述对剪枝后的模型进行分层混合精度动态量化操作,得到量化后的模型,具体包括:

8.根据权利要求1所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:所述对量化后的模型进行跨层蒸馏,以修复分层混合精度动态量化操作带来的表征漂移,得到轻量化模型,具体包括:

9.根据权利要求8所述的一种面向智慧配电网感存算一体化终端的模型轻量化部署方法,其特征在于:所述联合损失的数学表达式为:

10.一种面向智慧配电网感存算一体化终端的模型轻量化部署装置,其特征在于,包括:

11.一种面向智慧配电网感存算一体化终端的模型轻量化部署系统,其特征在于,包括存储介质和处理器;