本發明涉及臺區拓撲識別,尤其涉及一種云邊協同臺區拓撲識別融合方法及裝置。
背景技術:
1、隨著智能配電網建設的不斷發展,低壓配電網結構日益復雜,準確的臺區拓撲結構對線損分析、故障排查以及需求響應等具有重大意義。然而由于低壓臺區點多面廣,供電方式變化快,線路錯綜復雜,拓撲關系記錄常常出現檔案錯亂或缺失等問題,造成臺區拓撲識別準確率低下。
2、邊緣側智能設備不斷安裝,臺區積累了大量真實有效的中間數據,使得利用邊緣側智能設備對臺區拓撲進行數據挖掘成為可能。但由于邊緣側計算資源有限,對邊緣側數據挖掘能力不足,數據資源不能充分利用。云邊協同方式可利用云端龐大的計算資源,實現邊緣計算與云計算互補,對用戶側數據進行深度數據挖掘并融合分析,保證臺區拓撲識別結果準確可靠。
3、現有云邊協同方式通常根據各識別方式的可靠性,采用可靠性最高的識別數據作為臺區拓撲識別結果。但是在實際運行中,隨著時間的推移和系統的動態變化,每種臺區拓撲識別方式的可靠性持續變化,原有分析方法難以適應新的情況,從而導致臺區拓撲識別準確性下降。
技術實現思路
1、本發明提供了一種云邊協同臺區拓撲識別融合方法及裝置,以解決現有云邊協同臺區拓撲識別方式準確性較低的問題。
2、第一方面,本發明提供了一種云邊協同臺區拓撲識別融合方法,應用于云端,所述方法包括:獲取邊緣側多種拓撲識別方式的初始正確概率,其中,拓撲識別方式包括載波拓撲識別、搜表拓撲識別和大數據拓撲識別;獲取各拓撲識別方式的前m次拓撲識別結果和當前拓撲識別結果;針對任一拓撲識別方式,在前m次拓撲識別結果中,獲得該拓撲識別方式的正確次數;基于前m次拓撲識別結果中,任一拓撲識別方式的正確次數,修正該拓撲識別方式的初始正確概率,得到修正后的初始正確概率;基于修正后的初始正確概率和預構建的d-s證據理論模型,融合各拓撲識別方式的當前拓撲識別結果,得到融合后的拓撲識別結果。
3、在一種可能的實現方式中,所述針對任一拓撲識別方式,在前m次拓撲識別結果中,獲得該拓撲識別方式的正確次數包括:針對前m次拓撲識別結果中的任一次拓撲識別結果,將任一種拓撲識別方式的結果在該次拓撲識別結果中出現的次數,作為該拓撲識別方式在該次拓撲識別結果中的正確次數;針對任一拓撲識別方式,將各次拓撲識別結果中該拓撲識別方式的正確次數累加,獲得該拓撲識別方式的正確次數。
4、在一種可能的實現方式中,所述修正該拓撲識別方式的初始正確概率,得到修正后的初始正確概率包括:基于以下公式得到修正后的初始正確概率:
5、
6、其中,m(i)表示第i個拓撲識別方式的修正后的初始正確概率,pi表示第i個拓撲識別方式的初始正確概率,ri表示第i個拓撲識別方式的正確次數。
7、在一種可能的實現方式中,所述獲取邊緣側多種拓撲識別方式的初始正確概率,包括:獲取各種拓撲識別方式的n次歷史拓撲識別結果,其中,n大于m;針對每一次歷史拓撲識別結果,基于各拓撲識別方式結果的重復次數,判斷該次歷史拓撲識別結果的類型,其中,對應[載波拓撲識別、搜表拓撲識別、大數據拓撲識別]的順序,所述類型包括第一類型[1次,1次,1次]、第二類型[1次,2次,2次]、第三類型[2次,1次,2次]、第四類型[2次,2次,1次]和第五類型[3次,3次,3次];基于各次歷史拓撲識別結果的類型,獲得各拓撲識別方式的初始正確概率。
8、在一種可能的實現方式中,所述基于各次歷史拓撲識別結果的類型,獲得各拓撲識別方式的初始正確概率包括:基于以下公式獲得各拓撲識別方式的初始正確概率:
9、
10、其中,carrier_wave_accuracy表示載波拓撲識別的初始正確概率,search_meter_accuracy表示搜表拓撲識別的初始正確概率,big_data_accuracy表示大數據拓撲識別的初始正確概率,n1至n5分別表示第一至第五類型的個數。
11、在一種可能的實現方式中,n的范圍為100至500;m的范圍為10到50。
12、在一種可能的實現方式中,所述基于修正后的初始正確概率和預構建的d-s證據理論模型,融合各拓撲識別方式的當前拓撲識別結果,得到融合后的拓撲識別結果包括:將各拓撲識別方式的修正后的初始正確概率,作為預構建的d-s證據理論模型的基本概率分配函數;將各拓撲識別方式的當前拓撲識別結果,作為預構建的d-s證據理論模型的證據信息;基于預設合成規則,將各拓撲識別方式的當前拓撲識別結果兩兩融合,得到多個融合結果及其置信度;將置信度最高的融合結果,作為融合后的拓撲識別結果。
13、在一種可能的實現方式中,所述基于預設合成規則,將各拓撲識別方式的當前拓撲識別結果兩兩融合,得到多個融合結果及其置信度,包括:基于以下預設合成規則公式得到多個融合結果及其置信度:
14、
15、其中,k為沖突因子,m1(b)和m2(c)為定義命題b和c的基本概率分配函數,a為使用合成規則對命題b和命題c融合的結果,m(a)為融合結果的置信度。
16、在一種可能的實現方式中,在所述得到融合后的拓撲識別結果之后,還包括:將所述融合后的拓撲識別結果下發至邊緣側,對邊緣側的拓撲結果進行校正。
17、第二方面,本發明提供了一種云邊協同臺區拓撲識別融合裝置,應用于云端,包括:
18、第一獲取模塊,用于獲取邊緣側多種拓撲識別方式的初始正確概率,其中,拓撲識別方式包括載波拓撲識別、搜表拓撲識別和大數據拓撲識別。
19、第二獲取模塊,用于獲取各拓撲識別方式的前m次拓撲識別結果和當前拓撲識別結果。
20、獲得模塊,用于針對任一拓撲識別方式,在前m次拓撲識別結果中,獲得該拓撲識別方式的正確次數。
21、修正模塊,用于基于前m次拓撲識別結果中,任一拓撲識別方式的正確次數,修正該拓撲識別方式的初始正確概率,得到修正后的初始正確概率。
22、融合模塊,用于基于修正后的初始正確概率和預構建的d-s證據理論模型,融合各拓撲識別方式的當前拓撲識別結果,得到融合后的拓撲識別結果。
23、本發明提供一種云邊協同臺區拓撲識別融合方法及裝置。本發明基于云邊協同的方式,根據邊緣側載波拓撲、自動搜表和大數據拓撲結果,利用云端主站側強大的計算資源對邊緣側數據進行數據挖掘。根據前m次拓撲識別結果中各拓撲識別方式的正確次數,加權修正各拓撲識別方式的初始正確概率,為d-s證據理論提供臺區拓撲識別方法準確率初值。將修正后的初始正確概率結合d-s證據理論模型,融合當前拓撲識別結果,得到隨時間不斷修正、更為準確的拓撲識別結果,提升了云邊協同臺區拓撲識別方式的準確性。
1.一種云邊協同臺區拓撲識別融合方法,其特征在于,應用于云端,包括:
2.根據權利要求1所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述針對任一拓撲識別方式,在前m次拓撲識別結果中,獲得該拓撲識別方式的正確次數包括:
3.根據權利要求1所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述修正該拓撲識別方式的初始正確概率,得到修正后的初始正確概率包括:
4.根據權利要求1所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述獲取邊緣側多種拓撲識別方式的初始正確概率,包括:
5.根據權利要求4所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述基于各次歷史拓撲識別結果的類型,獲得各拓撲識別方式的初始正確概率包括:
6.根據權利要求4所述的云邊協同臺區拓撲識別融合方法,其特征在于,n的范圍為100至500;m的范圍為10到50。
7.根據權利要求1所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述基于修正后的初始正確概率和預構建的d-s證據理論模型,融合各拓撲識別方式的當前拓撲識別結果,得到融合后的拓撲識別結果包括:
8.根據權利要求7所述的云邊協同臺區拓撲識別融合方法,其特征在于,所述基于預設合成規則,將各拓撲識別方式的當前拓撲識別結果兩兩融合,得到多個融合結果及其置信度,包括:
9.根據權利要求1所述的云邊協同臺區拓撲識別融合方法,其特征在于,在所述得到融合后的拓撲識別結果之后,還包括:
10.一種云邊協同臺區拓撲識別融合裝置,其特征在于,應用于云端,包括: