本發(fā)明涉及電力系統(tǒng)知識追蹤，尤其涉及基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法。

背景技術(shù)：

1、知識追蹤技術(shù)，作為一種通過分析歷史行為數(shù)據(jù)來預(yù)測未來行為的技術(shù)，被廣泛研究和應(yīng)用在智能教育領(lǐng)域。知識追蹤技術(shù)會通過學(xué)生的歷史學(xué)習記錄來追蹤學(xué)生的知識掌握程度，進而預(yù)測學(xué)生的未來成績，以便提供個性化導(dǎo)學(xué)服務(wù)。將其概念引入到新型電力系統(tǒng)中，我們可以通過分析和處理海量的新型電力系統(tǒng)領(lǐng)域內(nèi)的相關(guān)文獻，對關(guān)鍵詞未來產(chǎn)出變化進行追蹤，尋找新型電力系統(tǒng)領(lǐng)域的熱點和趨勢，預(yù)測未來技術(shù)和市場的發(fā)展方向。

2、面對越來越多的文獻資料和復(fù)雜多變的技術(shù)環(huán)境，傳統(tǒng)的知識追蹤方法難以應(yīng)對新型電力系統(tǒng)的復(fù)雜性,想要將知識追蹤技術(shù)應(yīng)用于新型電力系統(tǒng)還面臨著多方面的挑戰(zhàn)。如何構(gòu)建準確可靠的預(yù)測模型，如何有效的采集和處理數(shù)據(jù)，以及如何將其整合到現(xiàn)有的電力系統(tǒng)管理中，這些都是需要深入研究的問題。

3、因此，需要一種基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法來高效、智能地追蹤和管理電力系統(tǒng)領(lǐng)域的知識。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提出基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，包括如下步驟：

2、步驟1：收集新型電力系統(tǒng)文獻數(shù)據(jù)并進行特征分析與主題詞選取；

3、步驟2：利用python的wordcloud詞云圖展示庫繪制詞云圖，分析每年的研究熱點和發(fā)展趨勢；利用python的networkx庫繪制關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，分析關(guān)鍵詞之間的關(guān)聯(lián)性；

4、步驟3：分析gru的網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)置gru模型參數(shù)并確定gru模型的評價指標；

5、步驟4：使用gru網(wǎng)絡(luò)對新型電力系統(tǒng)的熱點詞進行預(yù)測。

6、步驟1中的新型電力系統(tǒng)文獻數(shù)據(jù)包括文獻標題、鏈接、作者、出版日期、年份、關(guān)鍵詞、摘要、文獻來源、文獻類型、下載量和被引量。

7、步驟2中共現(xiàn)網(wǎng)絡(luò)的評價指標包括節(jié)點度中心性、節(jié)點接近中心性和節(jié)點介數(shù)中心性。

8、步驟3中g(shù)ru模型的評價指標為平均絕對誤差。

9、步驟3中的gru模型參數(shù)具體如下：

10、隱藏層維度為32，最大迭代次數(shù)為200，學(xué)習率為0.005，神經(jīng)元權(quán)重連接的丟棄率為0.1，未來預(yù)測數(shù)據(jù)長度和觀測窗口長度為4。

11、本發(fā)明的有益效果在于：

12、本發(fā)明對新型電力系統(tǒng)領(lǐng)域的研究熱點和發(fā)展趨勢進行追蹤，不僅可以指出各年的熱點詞和與其他關(guān)鍵詞關(guān)聯(lián)性較高的詞，還可以預(yù)測2025年可能出現(xiàn)的十個熱點詞，可以更高效地應(yīng)對新型電力系統(tǒng)領(lǐng)域知識的復(fù)雜性和動態(tài)變化。

技術(shù)特征：

1.基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，其特征在于，所述步驟1中的新型電力系統(tǒng)文獻數(shù)據(jù)包括文獻標題、鏈接、作者、出版日期、年份、關(guān)鍵詞、摘要、文獻來源、文獻類型、下載量和被引量。

3.根據(jù)權(quán)利要求1所述基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，其特征在于，所述步驟2中共現(xiàn)網(wǎng)絡(luò)的評價指標包括節(jié)點度中心性、節(jié)點接近中心性和節(jié)點介數(shù)中心性。

4.根據(jù)權(quán)利要求1所述基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，其特征在于，所述步驟3中g(shù)ru模型的評價指標為平均絕對誤差。

5.根據(jù)權(quán)利要求1或4所述基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法，其特征在于，所述步驟3中的gru模型參數(shù)具體如下：

技術(shù)總結(jié)
本發(fā)明公開了屬于電力系統(tǒng)知識追蹤技術(shù)領(lǐng)域的基于共現(xiàn)網(wǎng)絡(luò)和深度學(xué)習的新型電力系統(tǒng)知識追蹤方法。包括以下步驟：步驟1：收集新型電力系統(tǒng)文獻數(shù)據(jù)并進行特征分析與主題詞選取；步驟2：利用Python的wordcloud詞云圖展示庫繪制詞云圖，分析每年的研究熱點和發(fā)展趨勢；利用Python的networkx庫繪制關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，分析關(guān)鍵詞之間的關(guān)聯(lián)性；步驟3：分析GRU的網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)置GRU模型參數(shù)并確定GRU模型的評價指標；步驟4：使用GRU網(wǎng)絡(luò)對新型電力系統(tǒng)的熱點詞進行預(yù)測。本發(fā)明對新型電力系統(tǒng)領(lǐng)域的研究熱點和發(fā)展趨勢進行追蹤，可以更高效地應(yīng)對新型電力系統(tǒng)領(lǐng)域知識的復(fù)雜性和動態(tài)變化。

技術(shù)研發(fā)人員：麻秀范,韓英昆,王彥博,何瑩,馬維驍,馬瑞敏,王偉
受保護的技術(shù)使用者：全球能源互聯(lián)網(wǎng)集團有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30