具体实施方式
本申请通过提供基于多源数据的配电终端自适应调节方法及系统，针对解决现有技术缺乏根据用户期望进行实时配电调整的技术问题，通过实时分析电网的运行状态，并结合用户期望，自动调整配电终端的控制参数和策略，达到按用户期望进行自适应配电调节的技术效果。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供基于多源数据的配电终端自适应调节方法，所述方法包括：
步骤S100：接收第一开关频率分布信息，通过配电网状态预测网络进行拟合，生成配电网预测状态矩阵。
在本申请实施例中，通过配电网中的传感器和监控系统，实时收集各个开关的操作频率数据，对收集到的原始数据进行清洗、去噪和标准化处理，将经过预处理后的数据作为第一开关频率分布信息输入配电网状态预测网络进行拟合。
通过拟合获得配电网预测状态矩阵，配电网预测状态矩阵包含配电网中各个关键节点的预测状态信息，如电压、电流、功率等。
步骤S200：通过所述配电网预测状态矩阵进行多源数据分析，生成配电网损因子、负载分布因子和单位时长供能量因子。
在本申请实施例中，从配电网预测状态矩阵中提取与电网损失相关的数据。接着通过专业的电网损失计算软件或算法，如均方根电流法估算配电网的线路损失。根据损失计算结果与电网的总传输电量进行对比，计算出配电网损因子。
从配电网预测状态矩阵中提取各节点的负载数据。利用数据分析工具，对各节点的负载数据进行统计和分析，得出负载在电网中的分布情况。通过比较各节点负载与电网总负载的比例，计算出负载分布因子。
从配电网预测状态矩阵中提取电网的实时功率数据。通过对实时功率数据进行积分或其他合适的计算方法，得出单位时间内的总供能量。通过比较单位时间内的总供能量与理论最大供能量的比例得出单位时长供能量因子。
步骤S300：通过用户端，接收网损期望因子、负载分布期望因子和单位时长供能量期望因子。
在本申请实施例中，通过用户端，接收由用户上传的网损期望因子、负载分布期望因子和单位时长供能量期望因子。
网损期望因子为用户对电网在传输电能过程中期望的损耗程度的量化指标。它反映了用户对于电网效率的一个期望值，即电网在输送电能时，用户希望电能的损失能控制在一个可接受的范围内。网损期望因子的数值越低，表示用户对电网传输效率的期望越高。
负载分布期望因子是用户对电网中负载分布均衡程度的期望的量化指标。在电网中，如果负载能够均匀分布，那么电网的运行将会更加稳定，设备的使用寿命也会相应延长。
单位时长供能量期望因子是用户对电网在单位时间内供电能力的期望的量化指标。这个因子反映用户对电网供电稳定性和供电量的需求。
步骤S400：根据所述配电网损因子、所述负载分布因子和所述单位时长供能量因子，结合所述网损期望因子、所述负载分布期望因子和所述单位时长供能量期望因子进行调节概率分析，生成调节收敛概率。
在本申请实施例中，将配电网损因子、负载分布因子和单位时长供能量因子与对应的期望因子进行对比，判断实际因子与期望因子之间的大小，根据各因子之间的大小关系，将实际因子与期望因子代入相对应的调节概率分析函数中。通过调节概率分析函数的计算，得到调节收敛概率。
步骤S500：当所述调节收敛概率大于或等于调节收敛概率阈值，根据所述第一开关频率分布信息进行配电终端自适应调节。
在本申请实施例中，将计算得到的调节收敛概率与预设的调节收敛概率阈值进行对比，当调节收敛概率大于或等于调节收敛概率阈值时，说明此时电网的性能和稳定性处于一个可接受的、可靠的水平。其中，调节收敛概率阈值时基于行业规范由技术专家预先设定。
此时根据第一开关频率分布信息进行配电终端自适应调节，即按照第一开关频率分布信息中的操作频率对配电终端进行控制。
进一步的，所述配电网状态预测网络构建步骤包括：
根据配电网拓扑进行图神经网络仿真，搭建图神经网络拓扑，其中，所述图神经网络拓扑和所述配电网拓扑相同；
其中，所述图神经网络拓扑具有若干个开关分布节点，为所述若干个开关分布节点构建所述图神经网络拓扑的输入节点；
基于所述配电网拓扑，采集若干个开关分布节点的开关频率分布记录信息和配电网预设状态记录信息；
以所述配电网预设状态记录信息为所述图神经网络拓扑的输出监督，以所述开关频率分布记录信息为输入进行所述图神经网络拓扑的模型参数配置，生成所述配电网状态预测网络。
在本申请实施例中，首先使用配电网管理软件获取配电网拓扑结构。配电网拓扑结构包括树状、环状、网状等多种类型，同时具有配电网中各个组件，如开关分布节点、变压器、线路等的连接关系。
基于配电网的拓扑结构，搭建一个与之相同的图神经网络拓扑。具体来说，每个配电网中的组件，如开关分布节点都在图神经网络中对应一个节点，而组件之间的连接关系则通过图神经网络的边来表示。在图神经网络拓扑中，每一个开关分布节点都对应图神经网络中的一个输入节点。
利用安装在配电网中的传感器，实时监测并记录各个开关分布节点的开关频率分布记录信息。同时收集配电网预设状态记录信息，配电网预设状态记录信息包括电流记录信息、电压记录信息、功率记录信息、负载额定容量记录信息等。对收集到的数据进行清洗、去噪和标准化处理，确保数据的准确性和一致性，提高图神经网络的训练效果。
将预处理后的开关频率分布记录信息作为图神经网络的输入，将配电网预设状态数据作为目标输出。利用反向传播算法、梯度下降等优化技术，通过多次迭代训练，不断调整图神经网络的权重和偏置参数，以使得网络的输出尽可能接近预设状态数据。
在训练完成后对模型进行评估以验证其性能。使用在线实时数据对模型进行验证和测试，计算模型的准确率、召回率等指标来评估其性能。当模型性能满足要求时，生成配电网状态预测网络。
进一步的，申请实施例提供的方法中的步骤S200还包括：
根据所述配电网预测状态矩阵，提取馈线段状态集进行网损分析，生成所述配电网损因子；
根据所述配电网预测状态矩阵，提取支路负载状态集进行负载分布分析，生成所述负载分布因子；
根据所述配电网预测状态矩阵，提取输出功率状态、电流状态信息和电压状态信息，生成所述单位时长供能量因子。
在本申请实施例中，从配电网预测状态矩阵中提取出馈线段状态集，馈线段状态集包括馈线段的电流、电压降、功率因数等。这些状态信息反映馈线段在特定时间点的运行状况。之后利用馈线段状态集中的数据，通过网损分析算法，如均方根电流法计算馈线段的电能损耗。根据网损分析的结果，结合馈线段的总传输电量，计算出配电网损因子。
从配电网预测状态矩阵中提取各个支路的负载状态信息，包括负载大小和类型。结合地理信息系统技术，对提取的负载状态信息进行空间分析，确定负载在配电网中的分布情况。通过量化评估方法，如负载均衡度指标，对负载分布情况进行量化评估，并生成负载分布因子。
从配电网预测状态矩阵中集成输出功率、电流和电压的实时状态信息。利用输出功率、电流和电压的数据，通过积分算法或其他数学方法，计算出单位时间内的实际供能量。通过比较实际供能量与配电网理论最大供能量的比例，计算出单位时长供能量因子。
进一步的，根据所述配电网预测状态矩阵，提取馈线段状态集进行网损分析，生成所述配电网损因子，所述方法还包括：
所述馈线段状态集包括第i馈线段电阻、第i馈线段有功功率、第i馈线段无功功率和第i馈线段末端节点电压，i为整数，i∈[1，N]，N表征馈线段总数，i初始值等于1；
计算所述第i馈线段有功功率和所述第i馈线段无功功率的平方和特征值，计算所述第i馈线段末端节点电压的平方特征值；
求取所述平方和特征值与所述平方特征值的比值，设为第一网损因子，对所述第一网损因子和所述第i馈线段电阻进行乘积运算，生成第i馈线段网损因子；
当i＞N时，加和第一馈线段网损因子直到第N馈线段网损因子，生成所述配电网损因子。
在本申请实施例中，馈线段状态集包括从第1到第N馈线段的状态集，在这里N表征馈线段总数。
从馈线段状态集中提取出所有馈线段的相关状态信息，即提取出所有的馈线段电阻、有功功率、无功功率和末端节点电压。
对于每一个馈线段，将该馈线段中的有功功率的平方和无功功率的平方相加得到平方和特征值。同时将该馈线段中的电压进行平方得到平方特征值。
接下来将平方和特征值与平方特征值进行比值计算，将计算得到的数值作为第一网损因子。将第一网损因子与该馈线段电阻进行乘积运算，得到该馈线段网损因子。
重复上述计算过程，得到从第1到第N馈线段的网损因子，最后将这些网损因子进行相加生成配电网损因子。
进一步的，根据所述配电网预测状态矩阵，提取支路负载状态集进行负载分布分析，生成所述负载分布因子，所述方法包括：
交互配电网用户侧，获得第k支路负载特征值，其中，k为整数，k∈[1，M]，M表征支路数量，k初始值等于1；
所述支路负载状态集包括第k支路负载额定容量；
求取所述第k支路负载特征值与所述第k支路负载额定容量的比值，生成第k支路负载分布特征因子；
当k＞M时，对第一支路负载分布特征因子、第二支路负载分布特征因子直到第M支路负载分布特征因子求方差，生成所述负载分布因子。
在本申请实施例中，与配电网的用户侧进行交互，通过智能电表、传感器或其他测量设备获得第k支路负载特征值，k为整数，k∈[1，M]，M表征支路数量，k初始值等于1。即通过与配电网的用户侧进行交互可以获得所有支路负载特征值。
对于第k支路，从配电网预测状态矩阵中提取出第k支路负载额定容量。之后计算第k支路的负载特征值与负载额定容量的比值，得到第k支路的负载分布特征因子。
通过上述的过程，计算从1到M支路的负载分布特征因子，将计算得到的M个负载分布特征因子进行方差计算，得到负载分布因子。
进一步的，根据所述配电网预测状态矩阵，提取输出功率状态、电流状态信息和电压状态信息，生成所述单位时长供能量因子，所述方法还包括：
交互配电网用户侧，获得第j用户侧需求单位时长供能量，其中，j为整数，j∈[1，Q]，Q表征接入用户数量，j初始值等于1；
根据所述输出功率状态、所述电流状态信息和所述电压状态信息进行供能分析，生成第j用户预测单位时长供能量；
计算所述第j用户侧需求单位时长供能量和所述第j用户预测单位时长供能量的第j偏差平方特征值；
当j＞Q时，计算第一偏差平方特征值、第二偏差平方特征值直到第Q偏差平方特征值的最大值和最小值之差，设为第一单位时长供能量因子；
计算所述第一偏差平方特征值、所述第二偏差平方特征值直到所述第Q偏差平方特征值的加和开方结果，设为第二单位时长供能量因子；
将所述第一单位时长供能量因子和所述第二单位时长供能量因子添加进所述单位时长供能量因子。
在本申请实施例中，与前述方法相同获取第j用户侧需求单位时长供能量，该单位时常为自行设定，如一天、一小时等。其中，j为整数，j∈[1，Q]，Q表征接入用户数量，j初始值等于1。
使用预测的输出功率状态数据，将其转换为供能量。如果输出功率是以功率单位，如千瓦给出，通过将功率与单位时长相乘来计算供能量。由于已经有了单位时长，例如一小时、一天等内的预测输出功率，直接通过乘以时间长度来得到该单位时长内的预测供能量。通过前述过程得到第j用户预测单位时长供能量。
接下来比较第j用户的需求单位时长供能量和预测单位时长供能量，计算二者的偏差，并对这个偏差求平方，得到第j偏差平方特征值。重复上述步骤，为Q个用户计算偏差平方特征值。
处理完所有用户数据后，找出所有偏差平方特征值中的最大值和最小值，计算二者之差，将该差值设为第一单位时长供能量因子。将所有用户的偏差平方特征值加和，并开方，将该计算结果设为第二单位时长供能量因子。
最后将第一单位时长供能量因子和第二单位时长供能量因子添加到单位时长供能量因子的集合中。
进一步的，申请实施例提供的方法中的步骤S400还包括：
构建调节概率一级分析函数：
其中，表征网损期望因子、表征负载分布期望因子，表征单位时长供能量期望因子，表征配电网损因子、表征负载分布因子和表征单位时长供能量因子，、和表征权重参数，minf表征分析参数；
构建调节概率二级分析函数：
其中，表征调节收敛概率，e为常数。
在本申请实施例中，将网损期望因子、负载分布期望因子、单位时长供能量期望因子与对应的配电网损因子、负载分布因子、单位时长供能量因子进行对比，根据大小关系将这些因子代入调节概率一级分析函数中相对应公式中进行计算，通过计算的分析参数。在调节概率一级分析函数中，、和的值是由技术专家预先设定的。
将计算得出的分析参数代入到调节概率二级分析函数，通过计算得到调节收敛概率。
进一步的，所述方法还包括：
当所述调节收敛概率小于调节收敛概率阈值，对所述第一开关频率分布信息进行调整，生成第二开关频率分布信息；
根据所述第二开关频率分布信息进行调节收敛概率分析，若满足所述调节收敛概率阈值，根据所述第二开关频率分布信息进行配电终端自适应调节；
若不满足，循环调节。
在本申请实施例中，当调节收敛概率小于调节收敛概率阈值，对第一开关频率分布信息进行调整，调整包括改变特定开关的操作时序、增加或减少开关次数等。调整是逐步的，每次只改变一小部分参数，以避免系统的不稳定。
通过调整获取第二开关频率分布信息。根据第二开关频率分布信息进行调节收敛概率分析，当第二开关频率分布信息的调节收敛概率大于调节收敛概率阈值时，根据第二开关频率分布信息进行配电终端自适应调节。若不满足，重复调节过程，直至找出满足调节收敛概率阈值的开关频率分布信息进行配电终端调节。
在本申请实施例中，综上所述，本申请实施例至少具有如下技术效果：
本申请接收第一开关频率分布信息，通过配电网状态预测网络进行拟合，生成配电网预测状态矩阵；通过配电网预测状态矩阵进行多源数据分析，生成配电网损因子、负载分布因子和单位时长供能量因子；通过用户端，接收网损期望因子、负载分布期望因子和单位时长供能量期望因子；根据配电网损因子、负载分布因子和单位时长供能量因子，结合网损期望因子、负载分布期望因子和单位时长供能量期望因子进行调节概率分析，生成调节收敛概率；当调节收敛概率大于或等于调节收敛概率阈值，根据第一开关频率分布信息进行配电终端自适应调节。本发明解决现有技术缺乏根据用户期望进行实时配电调整的技术问题，通过实时分析电网的运行状态，并结合用户期望，自动调整配电终端的控制参数和策略，达到按用户期望进行自适应配电调节的技术效果。
实施例二
基于与前述实施例中基于多源数据的配电终端自适应调节方法相同的发明构思，如图2所示，本申请提供基于多源数据的配电终端自适应调节系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
配电网预测状态矩阵生成模块11，所述配电网预测状态矩阵生成模块11接收第一开关频率分布信息，通过配电网状态预测网络进行拟合，生成配电网预测状态矩阵；
多源数据分析模块12，所述多源数据分析模块12通过所述配电网预测状态矩阵进行多源数据分析，生成配电网损因子、负载分布因子和单位时长供能量因子；
期望因子接收模块13，所述期望因子接收模块13通过用户端，接收网损期望因子、负载分布期望因子和单位时长供能量期望因子；
调节概率分析模块14，所述调节概率分析模块14根据所述配电网损因子、所述负载分布因子和所述单位时长供能量因子，结合所述网损期望因子、所述负载分布期望因子和所述单位时长供能量期望因子进行调节概率分析，生成调节收敛概率；
配电终端自适应调节模块15，所述配电终端自适应调节模块15当所述调节收敛概率大于或等于调节收敛概率阈值，根据所述第一开关频率分布信息进行配电终端自适应调节。
进一步的，所述系统还用于实现以下功能：
根据配电网拓扑进行图神经网络仿真，搭建图神经网络拓扑，其中，所述图神经网络拓扑和所述配电网拓扑相同；
其中，所述图神经网络拓扑具有若干个开关分布节点，为所述若干个开关分布节点构建所述图神经网络拓扑的输入节点；
基于所述配电网拓扑，采集若干个开关分布节点的开关频率分布记录信息和配电网预设状态记录信息；
以所述配电网预设状态记录信息为所述图神经网络拓扑的输出监督，以所述开关频率分布记录信息为输入进行所述图神经网络拓扑的模型参数配置，生成所述配电网状态预测网络。
进一步的，所述系统还用于实现以下功能：
根据所述配电网预测状态矩阵，提取馈线段状态集进行网损分析，生成所述配电网损因子；
根据所述配电网预测状态矩阵，提取支路负载状态集进行负载分布分析，生成所述负载分布因子；
根据所述配电网预测状态矩阵，提取输出功率状态、电流状态信息和电压状态信息，生成所述单位时长供能量因子。
进一步的，所述系统还用于实现以下功能：
所述馈线段状态集包括第i馈线段电阻、第i馈线段有功功率、第i馈线段无功功率和第i馈线段末端节点电压，i为整数，i∈[1，N]，N表征馈线段总数，i初始值等于1；
计算所述第i馈线段有功功率和所述第i馈线段无功功率的平方和特征值，计算所述第i馈线段末端节点电压的平方特征值；
求取所述平方和特征值与所述平方特征值的比值，设为第一网损因子，对所述第一网损因子和所述第i馈线段电阻进行乘积运算，生成第i馈线段网损因子；
当i＞N时，加和第一馈线段网损因子直到第N馈线段网损因子，生成所述配电网损因子。
进一步的，所述系统还用于实现以下功能：
交互配电网用户侧，获得第k支路负载特征值，其中，k为整数，k∈[1，M]，M表征支路数量，k初始值等于1；
所述支路负载状态集包括第k支路负载额定容量；
求取所述第k支路负载特征值与所述第k支路负载额定容量的比值，生成第k支路负载分布特征因子；
当k＞M时，对第一支路负载分布特征因子、第二支路负载分布特征因子直到第M支路负载分布特征因子求方差，生成所述负载分布因子。
进一步的，所述系统还用于实现以下功能：
交互配电网用户侧，获得第j用户侧需求单位时长供能量，其中，j为整数，j∈[1，Q]，Q表征接入用户数量，j初始值等于1；
根据所述输出功率状态、所述电流状态信息和所述电压状态信息进行供能分析，生成第j用户预测单位时长供能量；
计算所述第j用户侧需求单位时长供能量和所述第j用户预测单位时长供能量的第j偏差平方特征值；
当j＞Q时，计算第一偏差平方特征值、第二偏差平方特征值直到第Q偏差平方特征值的最大值和最小值之差，设为第一单位时长供能量因子；
计算所述第一偏差平方特征值、所述第二偏差平方特征值直到所述第Q偏差平方特征值的加和开方结果，设为第二单位时长供能量因子；
将所述第一单位时长供能量因子和所述第二单位时长供能量因子添加进所述单位时长供能量因子。
进一步的，所述系统还用于实现以下功能：
构建调节概率一级分析函数：
其中，表征网损期望因子、表征负载分布期望因子，表征单位时长供能量期望因子，表征配电网损因子、表征负载分布因子和表征单位时长供能量因子，、和表征权重参数，minf表征分析参数；
构建调节概率二级分析函数：
其中，表征调节收敛概率，e为常数。
进一步的，所述系统还用于实现以下功能：
当所述调节收敛概率小于调节收敛概率阈值，对所述第一开关频率分布信息进行调整，生成第二开关频率分布信息；
根据所述第二开关频率分布信息进行调节收敛概率分析，若满足所述调节收敛概率阈值，根据所述第二开关频率分布信息进行配电终端自适应调节；
若不满足，循环调节。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。在附图中描绘的过程不一定要求示出的特定顺序和连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。