配电网模块化三维设计方法、装置、系统和存储介质与流程

1.本发明涉及配电网设计技术领域，特别涉及一种配电网模块化三维设计方法、装置、系统和存储介质。


背景技术：

2.配电网是指从输电主干网或发电厂接受电能，进而通过配电设施将电能逐级分配给各类用户的电力网。配电网一般由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及附属设施等组成。配电网包括高压配电网、中压配电网以及低压配电网，其按照配电网工作的电压等级进行划分，高压配电网工作于35-110kv，中压配电网工作于6-20kv，而低压配电网工作于220-380v。
3.对于配电网的设计，通常需要分析研究目标区域的当前配电负荷以及未来负荷增长情况，进而在目标区域的当前配电网现状的基础上，设计配电网的新建或改扩建方案。
4.具体而言，配电网设计包括变电系统设计、送电系统设计、土建和附加设施设计等方面。变电系统设计包括逐级升压或逐级降压相关的变电设施、输电线路、继电保护、自动控制等方面的设计。送电系统设计包括架空或地下输电线路相关的杆塔、电缆、管井、绝缘配件等方面的设计。土建和附加设施设计则包括配电网相关的建筑单元、环境传感、视频监控、通讯、报警等方面的设计。配电网设计的具体流程一般包括目标区域配电需求研究、现场勘察、初步方案设计、造价评估、最终方案设计、施工图绘制、方案审核、交付等环节。
5.近年来，随着计算机技术发展以及用户需求标准的提高，配电网三维建模设计方法和平台逐步兴起并发挥了越来越重要的作用。配电网三维设计是以配电网工程的各种相关信息和数据为基础，采用三维数字化技术手段，建立配电网模块集合，配电网模块可以包括几何模型模块、物理模型模块、通用模型模块、产品模型模块、装配模型模块。进而以模块组织搭建的方式进行三维可视化的编辑、分析、测算、验证并实现自动出图。
6.但是，目前的配电网三维设计技术仍然以研究对各类型模块的三维建模和属性赋值为主。在模块搭建完成配电网设计的过程中，依然主要依赖人工的经验和专业技能完成配电网设计的初步方案设计、造价评估、最终方案设计等核心环节，其智能化的程度仍然需要提升。


技术实现要素：

7.本发明提供一种配电网模块化三维设计方法、装置、系统和存储介质。本发明调用配电网模块集合中的三维模型模块，并根据配电网在预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数造价参数等方面的设计需求特征，与所述模型模块进行自动匹配和优化，从而提高配电网设计的智能化水平。
8.本发明提供一种配电网模块化三维设计方法，包括以下步骤：
9.步骤s101：建立配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块；
10.步骤s102：调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合；
11.步骤s103：建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集；
12.步骤s104：针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数；
13.步骤s105：在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化；
14.步骤s106：执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化；
15.步骤s107：基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。
16.优选的是，步骤s101中的所述配电网模块包括：几何模型模块、物理模型模块、通用模型模块、产品模型模块、装配模型模块。
17.优选的是，步骤s102中，从配电网模块集合中，针对配电网的变电系统、送电系统、土建、附加设施，选定每一部分包含的配电网模块，并且，利用设计软件的模块搭建功能，三维搭建配电网模块，对所述配电网模块的属性初步编辑，形成配电网设计文件。
18.优选的是，步骤s103中，所述配电网需求特征集该集合描述了n个配电网模块所需满足的配电网总体的需求特征，需求特征包括预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数；所述配电网模块属性集空间信息、附加设施需求参数、造价参数；所述配电网模块属性集其中表示配电网设计模块集合中的第i个配电网模块的属性取值空间，i＝1,2,
…
,n；所述配电网模块状态集,n；所述配电网模块状态集其中表示配电网设计模块集合中的第i个配电网模块的状态表征预测值的取值空间，该状态表示对该配电网模块在负荷承载、技术参数达标、空间占用、成本造价任一维度上的状态表征预测值。
19.优选的是，步骤s104中，所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络为卷积神经网络。
20.优选的是，步骤s104中，第i个配电网模块的评价函数ri＝ri(s,ai),这里即s表示配电网需求特征集下的某一需求特征，ai表示在属性取值空间下第i个配电网模块的属性取值；第i个配电网模块的属性最优化赋值函数其中oi为第i个配电网模块在特定维度上的状态表征预测值，为属性生成网络经过训练优化后的神经网络参数向量。
21.优选的是，步骤s106中，在每一轮迭代m(m＝1,2,
…
m)中，接收初始化状态表征预测值在第m轮迭代的每个时间步t(t＝1,2,
…
,tm，tm是第m个回合中最大时间步数)，对每个配电网模块i进行当前属性生成，即进而得到评价和状态表征预测值将(x
t
,a
t
,r
t+1
,x
t+1
)储存到经验回放缓冲池中,这里中,这里
从经验回放缓冲池中随机抽取容量s为小批量样本：接着用第j个样本计算时序目标(temporal difference target)，即这里，这里，计算时序差分(temporal difference error)：error)：这里，更新第i个配电网模块的状态评价网络参数向量：这里,αw是学习率超参数，是状态评价网络q(
·
)关于参数向量wi的梯度；更新第i个配电网模块的属性生成网络参数向量：
[0022][0023]
这里,α
θ
是学习率超参数；i＝1,2,
…
,n；更新对标状态评价网络参数向量并更新对标属性生成网络参数向量这里，τ是权重系数，i＝1,2,
…
,n。
[0024]
本发明还提供了一种配电网模块化三维设计装置，包括：
[0025]
配电网模块集合库，用于建立和存储配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块；
[0026]
配电网三维搭建单元，用于调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合；
[0027]
配电网描述定义单元，用于建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集；
[0028]
神经网络定义单元，用于针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数；并且，在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化；
[0029]
训练单元，用于执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化；
[0030]
配电网模块属性赋值单元，用于基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。
[0031]
本发明进而提供了一种计算机系统，包括存储器以及处理器，其中，处理器通过执行存储器所存储的计算机程序，实现上述任意一项配电网模块化三维设计方法。
[0032]
本发明进而提供了一种计算机程序存储介质，其存储的计算机程序被执行时，实
现上述任意一项配电网模块化三维设计方法。
[0033]
从而，在基于配电网模块集合实现配电网设计方案的初步三维搭建的基础上，针对配电网设计方案在预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数等方面的需求，通过为每个配电网模块构建并训练属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，通过代入当前配电网模块在负荷承载、技术参数达标、空间占用、成本造价等任一维度上的状态表征预测值，实现对该配电网模块的属性最优化赋值，并对赋值后配电网模块预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数等维度进行评价。
[0034]
可见，本发明的方法提升了配电网模块化三维设计的智能化水平，能够对配电网模块属性赋值实现多元化、定量化、预测式的最优化，并在多个维度进行评价，从而实现更为科学的需求匹配度评价判定。
附图说明
[0035]
下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]
图1是本发明提供的一种配电网模块化三维设计方法的总体流程图；
[0037]
图2是本发明的一种配电网模块化三维设计装置结构图；
[0038]
图3是本发明的一种计算机系统结构图。
具体实施方式
[0039]
为使本发明实施的目的、技术方案和优点更加清楚，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更加详细的描述。
[0040]
需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作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。
[0041]
下面参考图1，详细描述本发明公开的一种配电网模块化三维设计方法的具体实施例，该方法具体包括以下步骤。
[0042]
步骤s101：建立配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块。
[0043]
具体来说，所述配电网模块可以包括几何模型模块、物理模型模块、通用模型模块、产品模型模块、装配模型模块。几何模型模块是描述配电网相关的任何物理对象的三维信息，包括外形、尺寸、结构等，是最基础的模型结构。物理模型模块是描述配电网相关的设施、线路、配件、建筑结构、空间等物理对象的三维模型，是在上述几何模型模块基础上对模块的属性赋值获得的，模型的属性一般包括工程属性、电气属性、力学属性、材料属性、位置属性及图形表示符号，其中工程属性、电气属性、力学属性、材料属性采用结构化数据进行描述，位置属性通过空间坐标矩阵进行描述。通用模型模块是描述配电网相关的设施、线
路、配件、建筑结构、空间等物理对象的三维信息及其主要技术参数的模型结构。所述产品模型模块是针对配电网相关的设施、线路、配件、建筑结构等物理对象，在上述通用模型基础上附加安装机构、信息接口的三维模型。装配模型模块是描述配电网相关的设施、线路、配件、建筑结构等物理对象的安装方式的模型结构。每个配电网模块以预定的交互式数据文件的格式进行新建、修改和保存。
[0044]
步骤s102：调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合。
[0045]
具体来说，从配电网模块集合中，针对配电网的变电系统、送电系统、土建、附加设施，选定每一部分包含的配电网模块。例如，对于变电系统，选定逐级升压或逐级降压相关的变电设施、输电线路、继电保护、自动控制器等配电网模块；对于送电系统，选定包括架空或地下输电线路相关的杆塔、电缆、管井、绝缘配件等方面的配电网模块。对于土建和附加设施，则选定配电网相关的建筑单元、环境传感器、视频监控器、通讯网络设备、报警器等方面的配电网模块。
[0046]
并且，利用设计软件的模块搭建功能，三维搭建配电网模块，对所述配电网模块的属性初步编辑，形成配电网设计文件，在该配电网设计文件中，上述被选定的配电网模块被以层级结构存储为所述配电网设计模块集合。
[0047]
步骤s103：建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集。
[0048]
具体来说，所述配电网设计模块集合具有的配电网模块个数为n，并且，为该配电网设计模块集合所定义的集合描述参量组具体包括：
[0049]
配电网需求特征集该集合描述了n个配电网模块所需满足的配电网总体的需求特征，需求特征包括预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数等；
[0050]
配电网模块属性集其中表示配电网设计模块集合中的第i个配电网模块的属性取值空间，i＝1,2,
…
,n；
[0051]
配电网模块状态集其中表示配电网设计模块集合中的第i个配电网模块的状态表征预测值的取值空间，该状态表示对该配电网模块在负荷承载、技术参数达标、空间占用、成本造价等任一维度上的状态表征预测值。
[0052]
步骤s104：针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数。
[0053]
以上神经网络可采用cnn、rnn等结构的卷积神经网络，并且属性生成网络及对标属性生成网络是架构完全相同但参数不同的神经网络；状态评价网络和对标状态评价网络也是结构完全相同但参数不同的神经网络，采用包含对标神经网络的结构可以改进训练稳定性。
[0054]
进而，对于所述配电网设计模块集合的每个配电网模块，定义第i个配电网模块的评价函数ri＝ri(s,ai),这里即s表示配电网需求特征集下的某一需求特征，ai表示在属性取值空间下第i个配电网模块的属性取值。
[0055]
以及，定义第i个配电网模块的属性最优化赋值函数以及，定义第i个配电网模块的属性最优化赋值函数其中oi为第i个配电网模块在特定维度上的状态表征预测值，为属性生成网络经过训练优化后的神经网络参数向量。
[0056]
步骤s105：在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化。
[0057]
具体来说，本步骤执行针对配电网设计模块集合的每个配电网模块的初始化过程，具体来说，将初始化作为第0轮迭代，初始化第0轮所有配电网模块的状态表征预测值为
[0058]
初始化第i个配电网模块的属性生成网络这里，是构成属性生成网络的神经网络初始化参数向量，i＝1,2,
…
,n，每个配电网模块的只需根据设计过程中当前已知的状态表征预测值oi赋予属性值
[0059]
初始化第i个配电网模块的对标属性生成网络这里，是对标属性生成网络的神经网络初始化的参数向量，i＝1,2,
…
,n。
[0060]
初始化第i个配电网模块的状态评价网络x＝(o1,o2,
…
,on)表示所有配电网模块的状态表征预测值，a＝(a1,a2,
…
,an)表示所有配电网模块的属性赋值的集合，wi0是作为状态评价网络的神经网络的初始化参数向量，i＝1,2,
…
,n；
[0061]
初始化第i个配电网模块的对标状态评价网络这里，是作为对标状态评价网络的深度神经网络的初始化参数向量，i＝1,2,
…
,n。
[0062]
步骤s106：执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化。
[0063]
在每一轮迭代m(这里，m＝1,2,
…
m)中，接收初始化状态表征预测值在第m轮迭代的每个时间步t(这里，t＝1,2,
…
,tm，tm是第m个回合中最大时间步数)，对每个配电网模块i进行当前属性生成，即进而得到评价和状态表征预测值
[0064]
将(x
t
,a
t
,r
t+1
,x
t+1
)储存到经验回放缓冲池中,这里中,这里
[0065]
从经验回放缓冲池中随机抽取容量s为小批量(mini-batch)样本：接着用第j个样本(j＝1,2,
…
,s),计算时序目标(temporal difference target)，即这里，这里，计算时序差分(temporal difference error)：error)：这里，
[0066]
更新第i个配电网模块的状态评价网络参数向量：
这里,αw是学习率超参数，是状态评价网络q(
·
)关于参数向量wi的梯度；
[0067]
更新第i个配电网模块的属性生成网络参数向量：
[0068][0068][0069]
这里,α
θ
是学习率超参数；i＝1,2,
…
,n；
[0070]
更新对标状态评价网络参数向量并更新对标属性生成网络参数向量这里，τ是权重系数，i＝1,2,
…
,n。
[0071]
步骤s107：基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。
[0072]
以及，基于第i个配电网模块的属性最优化赋值函数以及，基于第i个配电网模块的属性最优化赋值函数以及，基于第i个配电网模块的属性最优化赋值函数是经过上述迭代训练执行优化后的属性生成网络的神经网络参数向量，进而基于第i个配电网模块在特定维度上的状态表征预测值oi，为该配电网模块的属性实现最优化赋值。
[0073]
进而，利用第i个配电网模块的评价函数ri＝ri(s,ai),计算该属性的评价是否符合预期，这里即s表示配电网需求特征集下的某一需求特征，ai表示在第i个配电网模块的最优化属性。
[0074]
从而，在基于配电网模块集合实现配电网设计方案的初步三维搭建的基础上，针对配电网设计方案在预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数等方面的需求，通过为每个配电网模块构建并训练属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，通过代入当前配电网模块在负荷承载、技术参数达标、空间占用、成本造价等任一维度上的状态表征预测值，实现对该配电网模块的属性最优化赋值，并对赋值后配电网模块预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数等维度进行评价。
[0075]
可见，本发明的方法提升了配电网模块化三维设计的智能化水平，能够对配电网模块属性赋值实现多元化、定量化、预测式的最优化，并在多个维度进行评价，从而实现更为科学的需求匹配度评价判定。
[0076]
本发明进而提供了一种配电网模块化三维设计装置，参见图2，包括：
[0077]
配电网模块集合库，用于建立和存储配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块；
[0078]
配电网三维搭建单元，用于调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合；
[0079]
配电网描述定义单元，用于建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集；
[0080]
神经网络定义单元，用于针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价
网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数；并且，在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化；
[0081]
训练单元，用于执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化；
[0082]
配电网模块属性赋值单元，用于基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。
[0083]
本发明进而提供了一种计算机系统，包括存储器以及处理器，其中，处理器通过执行存储器所存储的计算机程序，实现上述任意一项配电网模块化三维设计方法。
[0084]
本发明进而提供了一种计算机程序存储介质，其存储的计算机程序被执行时，实现上述任意一项配电网模块化三维设计方法。
[0085]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种配电网模块化三维设计方法，其特征在于，包括以下步骤：步骤s101：建立配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块；步骤s102：调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合；步骤s103：建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集；步骤s104：针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数；步骤s105：在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化；步骤s106：执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化；步骤s107：基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。2.根据权利要求1所述的配电网模块化三维设计方法，其特征在于，步骤s101中的所述配电网模块包括：几何模型模块、物理模型模块、通用模型模块、产品模型模块、装配模型模块。3.根据权利要求2所述的配电网模块化三维设计方法，其特征在于，步骤s102中，从配电网模块集合中，针对配电网的变电系统、送电系统、土建、附加设施，选定每一部分包含的配电网模块，并且，利用设计软件的模块搭建功能，三维搭建配电网模块，对所述配电网模块的属性初步编辑，形成配电网设计文件。4.根据权利要求3所述的配电网模块化三维设计方法，其特征在于，步骤s103中，所述配电网需求特征集该集合描述了n个配电网模块所需满足的配电网总体的需求特征，需求特征包括预测负荷、变电技术参数、送电技术参数、空间信息、附加设施需求参数、造价参数；所述配电网模块属性集其中表示配电网设计模块集合中的第i个配电网模块的属性取值空间，所述配电网模块状态集其中表示配电网设计模块集合中的第i个配电网模块的状态表征预测值的取值空间，该状态表示对该配电网模块在负荷承载、技术参数达标、空间占用、成本造价任一维度上的状态表征预测值。5.根据权利要求4所述的配电网模块化三维设计方法，其特征在于，所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络为卷积神经网络。6.根据权利要求5所述的配电网模块化三维设计方法，其特征在于，步骤s104中，第i个配电网模块的评价函数r
i
＝r
i
(s,a
i
),这里即s表示配电网需求特征集下的某一需求特征，求特征，a
i
表示在属性取值空间下第i个配电网模块的属性取值；第i个配电网模块的属性最优化赋值函数其中o
i
为第i个配电网模块在特定维度上的状态表征预测值，为属性生成网络经过训练优化后的神经网络参数向量。
7.根据权利要求6所述的配电网模块化三维设计方法，其特征在于，步骤s106中，在每一轮迭代m(m＝1,2,
…
m)中，接收初始化状态表征预测值在第m轮迭代的每个时间步t(t＝1,2,
…
,t
m
，t
m
是第m个回合中最大时间步数)，对每个配电网模块i进行当前属性生成，即进而得到评价和状态表征预测值将(x
t
,a
t
,r
t+1
,x
t+1
)储存到经验回放缓冲池中,这里中,这里从经验回放缓冲池中随机抽取容量s为小批量样本：接着用第j个样本计算时序目标(temporal difference target)，即这里，这里，计算时序差分(temporal difference error)：error)：这里，更新第i个配电网模块的状态评价网络参数向量：这里,α
w
是学习率超参数，是状态评价网络q(
·
)关于参数向量w
i
的梯度；更新第i个配电网模块的属性生成网络参数向量：这里,α
θ
是学习率超参数；i＝1,2,
…
,n；更新对标状态评价网络参数向量并更新对标属性生成网络参数向量这里，τ是权重系数，i＝1,2,
…
,n。8.一种配电网模块化三维设计装置，包括：配电网模块集合库，用于建立和存储配电网模块集合，所述配电网模块集合包括三维模型形式的配电网模块；配电网三维搭建单元，用于调用所述配电网模块，并利用被调用的所述配电网模块进行初步三维搭建，对所述配电网模块的属性初步编辑，获得配电网设计模块集合；配电网描述定义单元，用于建立配电网设计模块集合的集合描述参量组，该集合描述参量组包括：配电网需求特征集、配电网模块属性集，配电网模块状态集；神经网络定义单元，用于针对所述配电网设计模块集合的每个配电网模块，构建针对该配电网模块的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络共计4个神经网络，以及相关的评价函数和属性最优化赋值函数；并且，在配电网模块初始赋值的属性基础上，对所述属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络的神经网络参数执行初始化；训练单元，用于执行针对配电网设计模块集合的配电网模块多轮迭代，从而对配电网
模块群的属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络进行参数优化；配电网模块属性赋值单元，用于基于优化后的属性生成网络，形成配电网模块的属性最优化赋值。9.一种计算机系统，包括存储器以及处理器，其特征在于，处理器通过执行存储器所存储的计算机程序，实现上述权利要求1-7任意一项所述的配电网模块化三维设计方法。10.一种计算机程序存储介质，其存储的计算机程序被执行时，实现上述权利要求1-7任意一项所述的配电网模块化三维设计方法。

技术总结
本发明提供一种配电网模块化三维设计方法、装置、系统和存储介质。本发明调用配电网模块集合中的三维模型模块，并根据设计需求特征，通过为每个配电网模块构建并训练属性生成网络、状态评价网络以及对标属性生成网络、对标状态评价网络，代入任一维度上的状态表征预测值，实现对该配电网模块的属性最优化赋值，并对赋值后配电网模块进行评价。并对赋值后配电网模块进行评价。并对赋值后配电网模块进行评价。


技术研发人员：杨学文 吴金海 翁兴航 戴雄敏 罗益荣 李建军 李永锐 黄嘉成 肖琪 李保国 李晓斌 李宗格 陈启敏 景行 吕家伟
受保护的技术使用者：广东电网有限责任公司江门供电局
技术研发日：2023.07.12
技术公布日：2023/10/15