基于机器学习的电网调度业务自动批卷系统

深圳供电局有限公司 林志贤

由于电网调用业务操作具有多样化特征，以单一的标准对其进行判断会影响批卷结果的可靠性，为此，设计了一种基于机器学习的电网调度业务自动批卷系统，将具有强大计算能力的AMD Zen4处理器和数据转化能力的SZ11-CBOX云盒作为硬件，利用AMD Zen4的Raphael搭建BP神经网络，对业务操作的特征进行学习，通过K-means聚类过滤干扰，SZ11-CBOX将业务数据分类后，匹配待批卷数据与各分类特征之间的一致性，实现最终的评分。测试结果表明，系统的批卷结果与实际结果的拟合度可以达到99.0%以上。

为了确保电网调度业务操作的正确性，对实施的调度业务进行合理的评价分析是十分必要的。但是考虑到电网调度业务数据规模庞大，通过人工的方式逐一进行评判不仅会带来大量的人力成本和时间成本，执行效率也难以满足实际工作需求。基于此，本文设计了一种基于机器学习的电网调度业务自动批卷系统，分别对系统的硬件和软件进行了设计，并通过实验测试验证了系统批卷结果的可靠性。通过本文的研究，以期为提高电网调度业务评价工作的执行效果提供帮助。

1 硬件设计

1.1 处理器

自动批卷系统的运行是建立在对数据特征学习的基础之上的，因此要求处理器能够实现对海量数据的高效计算，为此，本文选用AMD最新推出的3D V-Cache增强版Zen4处理器，其集成了128MB缓存，因此可以同时实现对更多数据的处理需求，现阶段的主要应用途径是搭载12代酷睿Alder Lake对大规模数据的集中处理。……