CN111159897A - 基于***建模应用的目标优化方法和装置 - Google Patents
基于***建模应用的目标优化方法和装置 Download PDFInfo
- Publication number
- CN111159897A CN111159897A CN201911401028.5A CN201911401028A CN111159897A CN 111159897 A CN111159897 A CN 111159897A CN 201911401028 A CN201911401028 A CN 201911401028A CN 111159897 A CN111159897 A CN 111159897A
- Authority
- CN
- China
- Prior art keywords
- optimization
- target
- target object
- data
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 142
- 238000005094 computer simulation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 81
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000000153 supplemental effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Stored Programmes (AREA)
Abstract
本发明适用于人工智能技术领域,提供了一种基于***建模应用的目标优化方法和装置,其中,该方法包括:获取在前端输入的目标对象和优化目标,基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果,返回所述优化结果至所述前端。本申请实现了自动化的算法模型生成和求解过程,帮助算法开发人员快速轻松地构建、训练和部署业务所需的机器学习或者优化算法模型;同时,也极大程度降低了业务应用方调用算法的复杂度。
Description
技术领域
本发明属于人工智能技术领域,尤其涉及一种基于***建模应用的目标优化方法和装置。
背景技术
无论是机器学习算法模型还是优化算法模型,从数据的收集清理然,到模型的搭建和训练,最后部署到生产中的流程都过于复杂,并且速度太慢。而且,这一切操作都需要大量的专业知识,需要访问大量的计算和存储,并需要大量的时间对流程的各个方面进行试验和优化。这导致算法模型的开发时间成本较高。
发明内容
本发明实施例提供了一种基于***建模应用的目标优化方法和装置,以解决算法模型的开发时间成本较高的问题。
第一方面
本发明提供了一种基于***建模应用的目标优化方法,其包括:获取在前端输入的目标对象和优化目标;基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;返回所述优化结果至所述前端。
第二方面
本发明提供了一种基于***建模应用的目标优化装置,其包括:优化请求获取模块,用于获取在前端输入的目标对象和优化目标;优化结果求解模块,用于基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;优化结果返回模块,用于返回所述优化结果至所述前端。
第三方面
本发明提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任一所述基于***建模应用的目标优化方法的步骤。
第四方面
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一所述基于***建模应用的目标优化方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本申请中基于***建模应用的目标优化方法通过获取在前端输入的目标对象和优化目标,然后基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果。最后返回所述优化结果至所述前端。从而实现了自动化的算法模型生成和求解过程,帮助算法开发人员快速轻松地构建、训练和部署业务所需的机器学习或者优化算法模型;同时,也极大程度降低了业务应用方调用算法的复杂度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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它的附图。
图1示出了可以应用本申请基于***建模应用的目标优化方法或基于***建模应用的目标优化装置的一些实施例的示例性***架构。
图2示出了本申请提供的基于***建模应用的目标优化方法的一实施例的实现流程图。
图3示出了上述图2所示实施例中步骤S202的一实施例的实现流程图。
图4示出了上述图3所示实施例中步骤S301的一实施例的实现流程图。
图5示出了上述图3所示实施例中步骤S301的另一实施例的实现流程图。
图6示出了本申请提供的基于***建模应用的目标优化装置的一实施例的结构示意图。
图7示出了图6所示实施例中优化结果求解模块的一实施例的结构示意图。
图8示出了图7所示实施例中数据获取单元的一实施例的结构示意图。
图9示出了图7所示实施例中数据获取单元的另一实施例的结构示意图。
图10示出了本申请还提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本申请发明人经研究:无论是机器学习算法模型还是优化算法模型,从数据的收集清理然,到模型的搭建和训练,最后部署到生产中的流程都过于复杂,并且速度太慢。而且,这一切操作都需要大量的专业知识,需要访问大量的计算和存储,并需要大量的时间对流程的各个方面进行试验和优化。
因此,如果能够通过***建模的是,提供一个自动化的***闭环(数据获取->数据清洗->训练数据集->模型训练->模型评估->模型部署->模型应用->用户反馈),帮助算法开发人员快速轻松地构建、训练和部署业务所需的机器学习或者优化算法模型。那么可以极大程度降低了业务应用方调用算法的复杂度。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
应用实施例
图1示出了可以应用本申请基于***建模应用的目标优化方法或基于***建模应用的目标优化装置的一些实施例的示例性***架构100。
如图1所示,该***架构100包括终端设备110,以及网络120和服务器130,网络120是用于提供通信链接的介质,网络120可以包括有线网络、也可以包括无线网络。
上述终端设备110可以为硬件或者软件,如果终端设备110为硬件,可以为计算机、智能手机、工作站等电子设备,如果终端设备110为软件,可以为安装在上述电子设备中的应用程序,例如浏览器客户端、仿真工具等。
上述服务器130可以是提供各种数据服务或数据处理的服务器,例如对采集数据提供存储支持的数据服务器或者云服务器等,再例如对数据进行人工智能分析的数据处理服务器。例如,服务器130可以响应于接收到的优化目标和优化对象,对该优化对象进行***抽象化数据表示生成基于该优化目标的算法模型,并对该算法模型进行自动求解,然后接求解结果通过网络120发送至终端设备110中。
需要说明的是,服务器130可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
方法实施例
请继续参见图2,示出了本申请提供的基于***建模应用的目标优化方法的一实施例的实现流程图,该基于***建模应用的目标优化方法一般由智能终端执行,例如图1所示的服务器130。
如图2所示,该基于***建模应用的目标优化方法,包括以下步骤:
S201,获取在前端输入的目标对象和优化目标。
具体的,目标对象是指想要优化的***,该***可以包括各种类型的能源***,例如一个加工园区,一个企业或一个能源站等。
具体的,优化目标是优化的结果,因此只要该目标对象进行抽象为以该优化目标为目标函数的算法模型,然后求解即可得到优化结果。
S202,基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果。
具体的,***建模应用是预先建立的一个用于根据目标对象和优化目标来自动建立基于***抽象的算法模型并进行求解的整体架构,通过该***建模应用可以自动得到优化结果。
S203,返回所述优化结果至所述前端。
具体的额,所述前端可以为硬件或软件,例如图1所示的终端设备101。再结合图1来说,在一具体的应用示例中,用户仅需在终端设备101中设置目标对象和优化目标,然后通过网络102发送至服务器130中,服务器通过响应该目标对象和优化目标,然后执行上述步骤S201-S203来自动得到优化结果,并将该优化结果返回给终端设备101,。由此,可以这对于数据应用方的用户来说,目标优化将变得非常的简单。
具体的,在一示例性实施方式中,请参见图3,示出了上述图2中步骤S202的一实施例的实现流程图,如图3所示,上述步骤S202,可以包括以下步骤:
S301,基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式。
具体的,上述目标对象的拓扑结构和真实数据可以预先存储在不同的数据库或应用模块中,例如目标对象的拓扑结构可以存储在CIM中,二目标对象的真实数据可以存储在大数据平台中。其中,具体的,CIM一般是指IEC61970/61968等系列标准是国际电工委员会制定的电网应用***的技术标准,其中的CIM(也称为:公共信息模型或电力模型)建立了所有的电网信息模型,是所有电网应用的基础。在本文中,CIM具体为存储有该电网信息模型的数据库或者存储有该电网信息模型的服务器,当然,该电网信息模型包括上述能源***的拓扑关系结构数据。
S302,基于优化目标从***建模应用的应用接口调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据嵌入基于***抽象表示的***模型中,生成模型文件。
具体的,上述算法模块包括预先设定的各种算法,例如调度优化算法模块、运行优化算法模块、负荷预测/产能预测算法模块、预测性维护算法模块等等,每一个算法模块都是独立的算法包,可以由上面的***建模应用的应用接口(即API)统一调用。
S303,通过预设求解器对该模型文件进行求解,得到该优化目标的优化结果。
具体的,上述求解器可以包括各种商业求解器,例如cplex求解器(一种商业求解器)。通过该求解器可以对建立的算法模型进行求解,得到优化结果。
具体的,在一示例性实施方式中,见图4,示出了上述步骤S301的一实施例的实现流程图,如图4所示,上述步骤S301,包括以下步骤:
S401,基于所述目标对象经第一数据接口从CIM平台获取该目标对象的拓扑结构。
具体的,CIM是对整个物理世界的标准化描述,因此CIM存储了各个目标对象的拓扑、所有IOT标准化测点属性及设备的固有属性数据。并且,CIM设置了数据查询接口,例如上述第一数据接口,因此通过该第一数据接口,基于该目标对象标识(例如目标对象ID)既可以获取到该对目标对象的拓扑结构数据。
S402,基于所述目标对象经第二数据接口从大数据平台获取与该拓扑结构对应的真实数据。
具体的,大数据平台包括数据库模块、数据库服务器、云数据存储服务器等,该第二数据接口即对于该大数据平台进行数据查询的接口。
其中,该大数据平台存储有真实的数据,该真实的数据可以包括IOT、业务数据、第三方数据等数据。
更加具体的来说,由于大数据平台中存储的数据是目标对象对应的真实数据,因此,如果想要获取到大数据平台中获取到数据,必须的让CIM中获取的拓扑结构数据与大数据平台的数据相匹配才行。例如,想要获取目标对象中的某一子***层的数据,那么在大数据平台中也就只能获取到该子***层的真实的数据。
S403,基于***抽象表示将所述拓扑结构解析为算法需要的指定数据格式。
具体的,因为CIM中存储的拓扑关系是基于客观物理结构进行标准化的数据表示,而算法模型对目标对象是从便于求解的基于***抽象表示的角度来建立的,因此必须要让CIM获取的拓扑数据解析为该算法模型所需要的指定数据格式。应当理解,该指定数据格式是为了满足算法模型的数据格式,例如JSON格式(英文全称JavaScript Object Notation,是一种数据交换格式)。
进一步的,在一些示例性实施例中,见图5,示出了上述图3所示实施例中步骤S301的另一实施例的实现流程图,如图5所示,上述步骤S301,还可以包括以下步骤:
S501,基于所述目标对象经第二数据接口从大数据平台获取基于前端中的仿真工具配置的符合指定数据格式的补充配置数据的步骤;
在上述步骤S301之后,还包括步骤S502:基于优化目标调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据和补充配置数据嵌入基于***抽象表示的***模型中,生成模型文件。
本实施例中,通过该补充配置数据可以弥补算法优化所需的数据上的不足。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
产品实施例
基于与上述方法实施例相同的发明构思,相应的,本实施例还提供了基于***建模应用的目标优化装置,该基于***建模应用的目标优化装置可以设置于智能设备中,例如图1所示的服务器130中。
请参见图6,示出了本申请提供的基于***建模应用的目标优化装置的一实施例的结构示意图。
如图6所示,该基于***建模应用的目标优化装置600,包括:优化请求获取模块601,用于获取在前端输入的目标对象和优化目标;优化结果求解模块602,用于基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;优化结果返回模块603,用于返回所述优化结果至所述前端。
请参见图7,示出了图6所示实施例中优化结果求解模块602的一实施例的结构示意图。
如图7所示,该优化结果求解模块602,包括:数据获取单元701,用于基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式;第一算法模型生成单元702,用于基于优化目标从***建模应用的应用接口调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据嵌入基于***抽象表示的***模型中,生成模型文件;算法模型求解单元703,用于通过预设求解器对该模型文件进行求解,得到该优化目标的优化结果。
请参见图8,示出了图7所示实施例中数据获取单元701的一实施例的结构示意图。
如图所示,该数据获取单元701包括:拓扑结构获取单元801,用于基于所述目标对象经第一数据接口从CIM平台获取该目标对象的拓扑结构;真实数据获取单元802,用于基于所述目标对象经第二数据接口从大数据平台获取与该拓扑结构对应的真实数据;数据解析单元803,用于基于***抽象表示将所述拓扑结构解析为算法需要的指定数据格式;
请参见图9,示出了图7所示实施例中数据获取单元701的另一实施例的结构示意图。
如图所示,该数据获取单元701还包括:补充数据获取单元901,用于基于所述目标对象经第二数据接口从大数据平台获取基于前端中的仿真工具配置的符合指定数据格式的补充配置数据;其中,优化结果求解模块602,还包括:第二算法模型生成单元902,用于基于优化目标调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据和补充配置数据嵌入基于***抽象表示的***模型中,生成模型文件。
在一些示例性实施例中,请参见图10,示出了根据本申请提供的一种电子设备的结构示意图,如图10所示,该电子设备10包括:处理器101、存储器102以及存储在所述存储器102中并可在所述处理器101上运行的计算机程序103。所述处理器101执行所述计算机程序103时实现上述各个基于***建模应用的目标优化方法实施例中的步骤,例如图1所示的步骤101至102。或者,所述处理器101执行所述计算机程序103时实现上述各装置实施例中各模块/单元的功能,例如图6所示模块601至603的功能。
示例性的,所述计算机程序103可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器102中,并由所述处理器101执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序103在电子设备10中的执行过程。例如,所述计算机程序103可以被分割成优化请求获取模块601、优化结果求解模块602和优化结果返回模块603,各模块具体功能如下:优化请求获取模块601用于获取在前端输入的目标对象和优化目标;优化结果求解模块602用于基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;优化结果返回模块603用于返回所述优化结果至所述前端。
所述电子设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备10可包括,但不仅限于,处理器101、存储器102。本领域技术人员可以理解,图10仅仅是电子设备10的示例,并不构成对电子设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备10还可以包括输入输出设备、网络接入设备、总线等。
所称处理器101可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器102可以是所述电子设备10的内部存储单元,例如电子设备10的硬盘或内存。所述存储器102也可以是所述电子设备10的外部存储设备,例如电子设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器102还可以既包括电子设备10的内部存储单元也包括外部存储设备。所述存储器102用于存储所述计算机程序以及电子设备10所需的其它程序和数据。所述存储器102还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个基于***建模应用的目标优化方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述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精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于***建模应用的目标优化方法,其特征在于,包括:
获取在前端输入的目标对象和优化目标;
基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;
返回所述优化结果至所述前端。
2.根据权利要求1所述的基于***建模应用的目标优化方法,其特征在于,所述基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果,包括:
基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式;
基于优化目标从***建模应用的应用接口调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据嵌入基于***抽象表示的***模型中,生成模型文件;
通过预设求解器对该模型文件进行求解,得到该优化目标的优化结果。
3.根据权利要求2所述的基于***建模应用的目标优化方法,其特征在于,所述基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式,包括:
基于所述目标对象经第一数据接口从CIM平台获取该目标对象的拓扑结构;
基于所述目标对象经第二数据接口从大数据平台获取与该拓扑结构对应的真实数据;
基于***抽象表示将所述拓扑结构解析为算法需要的指定数据格式。
4.根据权利要求2所述的基于***建模应用的目标优化方法,其特征在于,所述基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式,还包括:
基于所述目标对象经第二数据接口从大数据平台获取基于前端中的仿真工具配置的符合指定数据格式的补充配置数据的步骤;
在上述基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式的步骤之后,还包括:基于优化目标调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据和补充配置数据嵌入基于***抽象表示的***模型中,生成模型文件。
5.一种基于***建模应用的目标优化装置,其特征在于,包括:
优化请求获取模块,用于获取在前端输入的目标对象和优化目标;
优化结果求解模块,用于基于所述目标对象在***建模应用中自动生成用于对该优化目标进行求解的算法模型,并通过预设请求器对该算法模型进行求解得到该优化目标的优化结果;
优化结果返回模块,用于返回所述优化结果至所述前端。
6.根据权利要求5所述的基于***建模应用的目标优化装置,其特征在于,所述优化结果求解模块包括:
数据获取单元,用于基于所述目标对象获取该目标对象的拓扑结构和真实数据,并将所述拓扑结构解析为指定数据格式;
第一算法模型生成单元,用于基于优化目标从***建模应用的应用接口调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据嵌入基于***抽象表示的***模型中,生成模型文件;
算法模型求解单元,用于通过预设求解器对该模型文件进行求解,得到该优化目标的优化结果。
7.根据权利要求6所述的基于***建模应用的目标优化装置,其特征在于,所述数据获取单元包括:
拓扑结构获取单元,用于基于所述目标对象经第一数据接口从CIM平台获取该目标对象的拓扑结构;
真实数据获取单元,用于基于所述目标对象经第二数据接口从大数据平台获取与该拓扑结构对应的真实数据;
数据解析单元,用于基于***抽象表示将所述拓扑结构解析为算法需要的指定数据格式。
8.根据权利要求6所述的基于***建模应用的目标优化装置,其特征在于,所述数据获取单元包括:
补充数据获取单元,用于基于所述目标对象经第二数据接口从大数据平台获取基于前端中的仿真工具配置的符合指定数据格式的补充配置数据;
所述优化结果求解模块还包括:
第二算法模型生成单元,用于基于优化目标调用对应的算法模块,该算法模块基于该指定数据格式将所述真实数据和补充配置数据嵌入基于***抽象表示的***模型中,生成模型文件。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述基于***建模应用的目标优化方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于***建模应用的目标优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401028.5A CN111159897B (zh) | 2019-12-31 | 2019-12-31 | 基于***建模应用的目标优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401028.5A CN111159897B (zh) | 2019-12-31 | 2019-12-31 | 基于***建模应用的目标优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159897A true CN111159897A (zh) | 2020-05-15 |
CN111159897B CN111159897B (zh) | 2023-11-03 |
Family
ID=70559301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911401028.5A Active CN111159897B (zh) | 2019-12-31 | 2019-12-31 | 基于***建模应用的目标优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159897B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256242A (zh) * | 2020-11-05 | 2021-01-22 | 苏州同元软控信息技术有限公司 | 仿真求解算法的定制方法、装置、设备和存储介质 |
CN113326113A (zh) * | 2021-05-25 | 2021-08-31 | 北京市商汤科技开发有限公司 | 任务处理方法及装置、电子设备和存储介质 |
CN114004451A (zh) * | 2021-09-28 | 2022-02-01 | 广东电网有限责任公司 | 能源分析***、方法、终端设备及计算机可读存储介质 |
CN114065343A (zh) * | 2021-11-11 | 2022-02-18 | 国网上海市电力公司 | 一种变电站三维设计模型在运维阶段适用性的评估方法 |
CN114327839A (zh) * | 2022-03-11 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 任务优化方法以及*** |
WO2023185971A1 (zh) * | 2022-03-31 | 2023-10-05 | 阿里巴巴(中国)有限公司 | 任务优化方法以及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH689929A5 (de) * | 1995-05-23 | 2000-01-31 | Landis & Gyr Tech Innovat | Verfahren zur Informationsübertragung in Rundsteuersystemen. |
US20130222399A1 (en) * | 2012-02-27 | 2013-08-29 | Qualcomm Incorporated | Execution model for heterogeneous computing |
CN107679276A (zh) * | 2017-08-31 | 2018-02-09 | 电力规划总院有限公司 | 电力***潮流接线图的生成方法、装置及电子设备 |
CN107862103A (zh) * | 2017-09-20 | 2018-03-30 | 国家电网公司 | 一种基于adpss的仿真模型生成方法及*** |
CN109408603A (zh) * | 2018-09-05 | 2019-03-01 | 国网山东省电力公司济南供电公司 | 一种基于大数据的台区拓扑图绘制方法 |
-
2019
- 2019-12-31 CN CN201911401028.5A patent/CN111159897B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH689929A5 (de) * | 1995-05-23 | 2000-01-31 | Landis & Gyr Tech Innovat | Verfahren zur Informationsübertragung in Rundsteuersystemen. |
US20130222399A1 (en) * | 2012-02-27 | 2013-08-29 | Qualcomm Incorporated | Execution model for heterogeneous computing |
CN107679276A (zh) * | 2017-08-31 | 2018-02-09 | 电力规划总院有限公司 | 电力***潮流接线图的生成方法、装置及电子设备 |
CN107862103A (zh) * | 2017-09-20 | 2018-03-30 | 国家电网公司 | 一种基于adpss的仿真模型生成方法及*** |
CN109408603A (zh) * | 2018-09-05 | 2019-03-01 | 国网山东省电力公司济南供电公司 | 一种基于大数据的台区拓扑图绘制方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256242A (zh) * | 2020-11-05 | 2021-01-22 | 苏州同元软控信息技术有限公司 | 仿真求解算法的定制方法、装置、设备和存储介质 |
CN113326113A (zh) * | 2021-05-25 | 2021-08-31 | 北京市商汤科技开发有限公司 | 任务处理方法及装置、电子设备和存储介质 |
CN114004451A (zh) * | 2021-09-28 | 2022-02-01 | 广东电网有限责任公司 | 能源分析***、方法、终端设备及计算机可读存储介质 |
CN114065343A (zh) * | 2021-11-11 | 2022-02-18 | 国网上海市电力公司 | 一种变电站三维设计模型在运维阶段适用性的评估方法 |
CN114327839A (zh) * | 2022-03-11 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 任务优化方法以及*** |
CN114327839B (zh) * | 2022-03-11 | 2022-08-16 | 阿里巴巴达摩院(杭州)科技有限公司 | 任务优化方法以及*** |
WO2023185971A1 (zh) * | 2022-03-31 | 2023-10-05 | 阿里巴巴(中国)有限公司 | 任务优化方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111159897B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159897B (zh) | 基于***建模应用的目标优化方法和装置 | |
CN108170612B (zh) | 一种自动化测试方法、装置及服务器 | |
CN111008473A (zh) | 一种电力设备的仿真分析方法、装置及存储介质 | |
CN113642300A (zh) | 一种报表生成方法、装置、电子设备及计算机可读介质 | |
CN113094932A (zh) | 变电工程造价的获取方法、装置、设备和存储介质 | |
CN112052611A (zh) | 基于几何模型的电力设备的仿真方法、装置及存储介质 | |
CN114676205A (zh) | 事件信息的处理方法及装置 | |
CN110442753A (zh) | 一种基于opc ua的图数据库自动建立方法及装置 | |
WO2021223434A1 (zh) | 核岛结构有限元模型网格数据传递方法、装置、设备 | |
CN113434123A (zh) | 一种业务处理方法、装置及电子设备 | |
CA3202557C (en) | A data distribution method, apparatus, device and storage medium | |
CN117453937A (zh) | 一种电网图数据模型自动生成方法及装置 | |
CN116483707A (zh) | 测试方法、装置、设备、存储介质及程序产品 | |
CN116204428A (zh) | 一种测试用例生成方法和装置 | |
CN114841267B (zh) | 实时预测方法、装置、电子设备及计算机程序产品 | |
CN115859431A (zh) | 三维建筑模型与二维图纸的联动方法、装置和设备 | |
CN109814911A (zh) | 用于管理脚本程序的方法、装置、计算机设备及存储介质 | |
CN115940202A (zh) | 基于人工智能的多逆变器功率分配控制方法、装置及设备 | |
CN109918353A (zh) | 自动化信息处理的方法及终端设备 | |
CN116760881B (zh) | 配电终端的***配置方法、装置、存储介质及电子设备 | |
EP4105862A2 (en) | Data processing method and apparatus, electronic device and storage medium | |
CN115550259B (zh) | 基于白名单的流量分配方法及相关设备 | |
CN113722292B (zh) | 分布式数据***的应灾处理方法、装置、设备及存储介质 | |
CN114840372A (zh) | 接口测试方法、装置、电子设备及计算机可读存储介质 | |
CN106228470A (zh) | 一种基于svn的微电网模型版本自动化管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |