[0001] 本发明涉及图模识别技术领域，特别涉及一种主网图模的异常识别和校验方法。

[0002] 随着能源变革与电力市场改革的新形势下，可再生能源、柔性负荷和储能等资源渗透率不断增加，电网调度对象类型和数量呈指数级增加，电网运行方式的不确定性显著增加，调度优化决策也更为复杂，受制于预测误差、边界条件、数学模型、优化算法等条件限制，在实际调度中时常出现分析结果与实际电网情况差异较大、优化结果无解或求解时间过长等问题。目前为了保证主网监控图实时变化正确性，需要投入大量的人力和时间来进行主网图模在线实时校验，在检测端进行遥信和遥测数据上送，在主站端查看监控图上对应遥信和遥测变化情况，这会导致人工校验方式存在耗时长、消耗人力、工作量大且复杂的问题，而图模校验相关技术方案主要是通过图形和模型之间的关联关系进行离线校验，并不能够进行实时图模在线校验，最后还是需要人工进行变电站图模在线校验。

[0003] 鉴于此，需要一种主网图模的异常识别和校验方法。

[0035] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0036] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0037] 还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

[0038] 还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0039] 下面结合图1对本发明实施方式作进一步说明。

[0040] 在本发明的一个实施例中，提供一种主网图模的异常识别和校验方法，如图1所示，包括以下步骤：

[0041] S1：根据设定的采样时间间隔获取变电站实时监控图像，依据预置图像像素坐标范围对实时监控图像进行裁剪，构建预置块图像文件；

[0042] S2：采用预置对比算法对比预置块图像文件中的相邻时间间隔内的分块图像，得到最大差异的遥信遥测变化图像块；

[0043] S3：采用预置识别算法将遥信遥测变化图像块与图像特征库中的特征图进行匹配识别，根据当前变化图像块的识别结果，结合实时图模进行校验；

[0044] S4：解析电网中更新的数据，将数据转换为统一格式，提取统一格式后的电网数据，提取的电网数据生成实体和关系数据组，基于生成的实体和关系数据组对电网知识图谱模型进行更新。

[0045] 主网图模校验采用预置对比算法对比图像文件中的相邻时间间隔内的分块图像，得到最大差异的变化图像块，采用预置识别算法将变化图像与图像特征库中的特征图进行匹配识别，根据当前变化图像与预置实时图模进行校验；主网图模异常识别首先解析电网中更新的数据，将数据转换为统一格式，提取统一格式后的电网数据，提取的电网数据生成实体和关系数据组，基于生成的实体和关系数据组对电网知识图谱模型进行更新。

[0046] 优选的，预置对比算法对比预置块图像文件中的相邻时间间隔内的分块图像，得到最大差异的遥信遥测变化图像块，根据变化图像块在预置厂站图元文件中查找预置坐标范围内的图元，预置识别算法将图像块与图像特征库中的特征图进行匹配识别，根据预置采样时间间隔获取变电站实时监控图像，依据预置图像像素坐标范围对实时监控图像进行裁剪，构建预置块图像文件，效验过程不需要人工参与就可以自动完成校验任务，也不必耗费时间查找图模关系以及查看变化情况，实时校验过程可以在线实现，校验的效率大幅提高。

[0047] 作为一种实施方式，主网图模校验采用预置对比算法对比预置块图像文件中的相邻时间间隔内的分块图像，得到最大差异的遥信遥测变化图像块，根据预置采样时间间隔获取变电站实时监控图像，依据预置图像像素坐标范围对实时监控图像进行裁剪，构建预置块图像文件，预置块图像文件包含多个分块图像和图像编号。

[0048] 优选的，获取预置块图像文件中的相邻时间间隔内的对应像素的分块图像，提取分块图像对应的图像特征值，得到分块图像特征值，预置对比算法对比分块图像特征值，保留最大差异的分块图像作为遥信遥测变化图像块，所述遥信遥测变化图像块包括所述预置坐标范围，图像特征库的构建首先获取原始图像数据，提取原始图像数据对应的原始图像特征值，为图像数据添加图像标签，将原始遥图像数据和原始图像特征值进行关联存储，得到图像特征库，通过图像特征进行图模校验。

[0049] 作为一种实施方式，主网图模异常识别包括解析电网调度中需更新的数据，将数据转换为统一格式，对于结构化数据从电网实时数据库中导出，采用规则化提取方式直接生成实体和关系三元组存入知识图谱，结构化数据包含负荷预测数据、新能源预测数据和安全约束断面，对于非结构化的文本数据，采用数据清洗和接口转化的方式对文本内容进行遍历，根据篇章结构将文本进行划分。

[0050] 优选的，解决了电网调度知识图谱和大量新增电网调度知识的自动同步更新问题，保证调度优化决策图谱的灵活适应性与时效性，有利于调控决策领域长期积累的调度信息的共享；提取统一格式后的电网调度数据进行中文分词，构建领域实体词典，对电网调度数据进行中文分词，基于深度神经网络的命名实体识别对电网实体、调度事件和电网属性进行自动标引，基于结合电力业务模型的关联度分类对电网实体按照变电站、电厂、线路、主变、母线、开关、断路器和机组进行分类，基于分类后的电网实体进行校验匹配。

[0051] 优选的，收集电网调度原始文本数据进行语料分割，按照电网设备、调度事件和电网属性对分割后的语料进行标注，标注好的语料划分成训练集、验证集和测试集，基于中文预训练开源模型对训练集进行训练，构建命名实体识别模型，实体识别模型识别后的实体词与领域实体词典中的实体词一一映射，提取对应的领域实体词典中的实体词，基于预先确定的全局关系，对积累的电网调度计划文本中的实体进行关系标注，基于卷积神经网络训练标注好的实体关系，得到实体关系识别模型。

[0052] 综上所述，本发明的效验过程不需要人工参与就可以自动完成校验任务，也不必耗费时间查找图模关系以及查看变化情况，实时校验过程可以在线实现，校验的效率大幅提高；解决了电网调度知识图谱和大量新增电网调度知识的自动同步更新问题，保证调度优化决策图谱的灵活适应性与时效性，有利于调控决策领域长期积累的调度信息的共享。由此，本发明的技术方案足以解决背景技术中提出的问题。

[0053] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元(或步骤，下同)，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

[0054] 在本发明所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。

[0055] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

[0056] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM,Read‑0nlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

[0057] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。