CN119439709A 基于Bi-LSTM和DDPG算法的输电线路施工设备平行控制方法及装置 （国网湖北省电力有限公司经济技术研究院）

基于Bi-LSTM和DDPG算法的输电线路施工设一种基于Bi_LSTM和DDPG算法的输电线路施段突变策略的差分进化算法对时序注意力机制的时序注意力机制构建Bi_LSTM网络模型；将施工设备状态数据输入Bi_LSTM网络模型得到施工决策控制模型得到输电线路施工设备的最优控制策略。本发明通过改进的Bi_LSTM网络模型提DDPG算法构建的决策控制模型利用状态预测结21.一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制方法，其特征在于，包基于阶段突变策略的差分进化算法对时序注意力机制的权重进行优注意力层、全连接层和输出层的Bi_LSTM网络模型；将采集的施工设备状态数据输入Bi_基于优先级的事后经验回放对DDPG算法进行改进，利用改进的DDPG算通过最优控制策略对输电线路施工设备进行2.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制基于数字孪生技术构建输电线路施工设备的数字孪生模型，数字孪生模型包括Bi_基于平行控制理论，并采用状态数据双向同步技术和控3.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制min为种群平均欧式距离的最小值；3k为k突变策略的选择概率；NSk为当前代中k突变策略产生的测试个体成功进入第i个目标个体的第j维度的优化变量；表示交叉操作后g+1代种群中第i个测试个体4.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制4K为特征基于优化后的时序注意力机制对Bi_LSTM网络层的输出N为输5.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制t为t时刻期望实现目标g与已实现目标ag之间的空间距离；56.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制(1)初始化DDQN训练网络参数θ并更新目标tt+1traj)到经验池中；ttraj)到经验池D中；67.根据权利要求1所述的一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制i和wj分别为指标奖励项和惩罚项权重；ri和pj分别为第i个奖励项值和第j个惩施工设备状态预测结果获取模块，用于基于阶段突变策略的差分进化力机制的权重进行优化，通过特征注意力机制和优化后的时序注意力机制构建包括输入将采集的施工设备状态数据输入Bi_LSTM网络模型得到施工设备状态最优控制策略获取模块，用于基于优先级的事后经验回放对DDPG算法7所述处理器，用于根据所述计算机程序代码中的指令执行如权利要8[0001]本发明涉及输电线路数字化控制领域，尤其涉及一种基于Bi_LSTM和DDPG算法的[0004]本发明的目的是克服现有技术中存在的上述缺陷与问题，提供一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制方法及装置，通过改进的Bi_LSTM网络模型提供9时序注意力层、全连接层和输出层的Bi_LSTM网络模型；将采集的施工设备状态数据输入[0010]基于数字孪生技术构建输电线路施工设备的数字孪生模型，数字孪生模型包括min为种群平均欧式距离的最小值；ag1[0057](1)初始化DDQN训练网络参数θ并更新目标网络参数接着初始化经验回访池D、traj到经验池中；[0072]c、接着从轨迹中采样样本(st，at，st+1)，从轨迹中采样虚拟目标状态g′∈t+1traj)到经验池D中；[0090]一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制装置，该装置应用于[0092]最优控制策略获取模块，用于基于优先级的事后经验回放对[0094]一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制设备，包括存储器和[0099]本发明一种基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制方法及装置中，方法先将采集的施工设备状态数据输入改进的Bi_LSTM网络模型得到施工设备状态预[0100]图1是本发明基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制方法的流程[0107]图8是本发明基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制装置的结构[0108]图9是本发明基于Bi_LSTM和DDPG算法的输电线路施工设备平行控制设备的结构[0111]S1、基于阶段突变策略的差分进化算法(DE)对时序注意据输入Bi_LSTM网络模型得到施工设备状态预技术和控制指令映射技术构建数字孪生模型与输电线路设备之间的平行智能[0128]考虑到平均欧氏距离(MED)计算的简单性和复杂性，根据种群的平均欧式距离来min为种群平均欧式距离的最小值；[0134]首先从初始种群的MED中取种群MED的最大值dmax，再将各进化种群的MED与dmax进征注意力机制对Bi_LSTM网络层的输入特征提取环节进行改进。该机制通过动态分配注意[0162]在本申请的另一个实施例中，DDPG算法通过将深度学习tsT-1T-1Tag1t表示t时刻已实dt2＝_rε。[0181]本发明所提基于优先级的事后经验回放改进DDPG算法允[0183](1)初始化DDQN训练网络参数θ并更新目标网络参数接着初始化经验回访池D、traj)到经验池中；[0198]c、接着从轨迹中采样样本(st，at，st+1)，从轨迹中采样虚拟目标状态g′∈t+1traj)到经验池D中；征注意力和优化后的时序注意力机制改进Bi_LSTM网络模型，进而动态捕捉施工设备参数时间内施工设备的状态和性能。基于优先级的事后经验回放(HPER)对DDPG算法进行改进，利用改进的DDPG算法构建决策控制模型。将Bi_LSTM网络模型预测的结果作为决策控制模智能体(控制中心)的决策制定。控制中心根据当前状态和备用能和相邻线路的互补能在尽量短的时间内恢复电压频率到正常合格率提升11重要设备的供电满足率亦增加9.8负载均衡程度也得以改善6这将[0219]图7是本发明所提算法与其他算法收敛情况的对比。为了验证本发明所提改进算[0222]最优控制策略获取模块，用于基于优先级的事后经验回放对[0226]所述处理器，用于根据所述计算机程序代码中的指令执行基于Bi_LSTM和DDPG算机程序，所述计算机程序被处理器执行时实现基于Bi_LSTM和DDPG算法的输电线路施工设存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系[0230]可以以一个或多个程序设计语言或其组合来编写用以执行本发明操作的计算机远程计算机的情形中，远程计算机可以通过任意个类的网络，包括局域网(LAN)或广域网[0231]上述设备和非临时性计算机可读存储介质，可以参见对