本发明涉及智能控制调节，具体地说，涉及应用于移动式变压器的智能控制调节系统。
背景技术：
1、智能控制调节是一项重要的技术，它可以实时监测和调整系统参数，保持系统在最佳状态，提高稳定性和准确性，并利用先进的算法和模型，进行复杂的数据分析，优化决策，通过优化控制策略，降低能耗，提高资源利用率，减少对环境的影响过程。
2、随着近年来社会经济的蓬勃发展，一些商业性的大型活动也随之增多，大型活动的举办离不开电力的支持，且大型活动的用电量在一定时间内是非常庞大的，为了确保大型活动能够完美举办，就需要变压器对电力进行调控，而传统的变压器或许离大型活动举办地距离太远，导致电力供应不足，因此需要移动式变压器完成供电任务，然而传统的移动式变压器由于大型活动当天用电量的骤增，会导致移动式变压器的负载过高，从而导致移动式变压器在进行某些用电设备的供电时电力消耗过大或某些用电设备供电不足，造成了电力资源的浪费，无法提供调节策略，为了解决这一技术问题，于是我们提供了应用于移动式变压器的智能控制调节系统。
技术实现思路
1、本发明的目的在于提供应用于移动式变压器的智能控制调节系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，提供了应用于移动式变压器的智能控制调节系统，包括采集处理单元、预测优化单元、生成调节单元；
3、所述采集处理单元通过传感器采集移动式变压器的工作电流和工作电压，并对移动式变压器的工作电流和工作电压进行预处理，得出移动式变压器的工作负载和工作负载数据集；
4、所述预测优化单元用于建立移动式变压器的预测负载模型，并从移动式变压器的工作负载数据集中提取预测负载模型的初始模型参数，再将初始模型参数输入到移动式变压器预测负载模型的隐藏层中进行计算，得出初始模型参数在移动式变压器预测负载模型隐藏层的输出值，再将模型参数在移动式变压器预测负载模型隐藏层的输出值代入前向传播算法，计算出移动式变压器的初始预测负载，再根据移动式变压器的初始预测负载和实际负载之间的平方差均值定义一个损失函数，并根据损失函数对初始模型参数进行更新，得出最终的模型参数，最后根据最终的模型参数对移动式变压器的预测负载模型进行调整，得出移动式变压器的预测负载；
5、所述生成调节单元对移动式变压器的预测负载进行动态规划生成移动式变压器的调节策略，并将移动式变压器的调节策略发送到执行机构，执行机构根据移动式变压器的调节策略发出调节指令对移动式变压器进行调节。
6、作为本技术方案的进一步改进，所述采集处理单元包括传感器模块和处理生成模块，所述传感器模块用于采集移动式变压器的工作电流和工作电压，所述处理生成模块用于对移动式变压器的工作电流和工作电压进行预处理，并获得移动式变压器的工作负载和工作负载数据集，所述对移动式变压器的工作电流和工作电压进行预处理的方式，具体包括：
7、设定移动式变压器的工作电流和工作电压的阈值范围，剔除不处于阈值范围的移动式变压器的工作电流和工作电压，并利用中值滤波算法对移动式变压器的工作电流和工作电压进行去噪处理和计算，获得移动式变压器的工作负载，再对移动式变压器的工作负载按照时间序列进行排序，组成移动式变压器的工作负载数据集。
8、作为本技术方案的进一步改进，所述利用中值滤波算法对移动式变压器的工作电流和工作电压进行去噪处理和计算，获得移动式变压器的工作负载的方式，具体包括：
9、对移动式变压器的工作电流和工作电压按照时间顺序进行排序，获得移动式变压器的工作电流数据序列和工作电压数据序列，即和，所述表示为移动式变压器的工作电流，所述表示为第个时间点时移动式变压器的工作电流，所述表示为移动式变压器的工作电压，所述表示为第个时间点时移动式变压器的工作电压；
10、从移动式变压器的工作电流数据序列中提取数据点，所述，设定窗口大小为，对于每个数据点取其周围m个数据点，即，并对这m个数据点按照从小到大的顺序进行排序，得出中间值，并记为完成中值滤波后的电流输出值，记为，所述，再对移动式变压器工作电压数据序列进行上述操作，得出，并将和代入公式进行计算，得出移动式变压器的工作负载：
11、；
12、所述表示为移动式变压器的工作负载。
13、作为本技术方案的进一步改进，所述预测优化单元包括模型构建模块，所述模型构建模块用于构建移动式变压器的预测负载模型，具体包括：
14、将移动式变压器的工作负载数据集分成平均大小为的子集，并选择长短期记忆网络作为移动式变压器的预测负载模型的架构，所述移动式变压器的预测负载模型的架构包括输入层、隐藏层、隐藏层以及输出层，所述输入层用于接收移动式变压器的工作负载数据，所述隐藏层用于使用工作负载数据集子集中的负载数据对移动式变压器的预测负载模型进行训练，得出初始模型参数，所述隐藏层用于在训练过程中，通过前向传播算法计算出移动式变压器的初始预测负载，并通过反向传播算法更新移动式变压器预测负载模型的初始模型参数，得出最终的模型参数，最后根据最终的模型参数对预测负载模型的初始预测负载进行调整，得出移动式变压器的预测负载，所述输出层用于输出移动式变压器的预测负载。
15、作为本技术方案的进一步改进，所述隐藏层使用工作负载数据集子集对移动式变压器的预测负载模型进行训练的方式，具体包括：
16、从工作负载数据集子集中提取移动式变压器预测负载模型的初始模型参数，记为，所述包括预测负载模型的权重w和偏置b，再从工作负载数据集中随机抽取一个子集，所述工作负载数据集子集大小为，记为，从工作负载数据集子集中随机选取第i个样本，记为，则隐藏层的训练输出值为：
17、；
18、；
19、其中，为隐藏层的输出值，为激活后的输出值，为输入层到隐藏层的权重矩阵，为输入层到隐藏层的偏置向量，为隐藏层的激活函数。
20、作为本技术方案的进一步改进，所述通过前向传播算法计算移动式变压器的初始预测负载，并通过反向传播算法更新移动式变压器预测负载模型的初始模型参数的方式，具体包括：
21、将隐藏层的输出值输入到隐藏层中，所述隐藏层通过前向传播算法计算移动式变压器的初始预测负载，所述前向传播算法的计算公式为：
22、；
23、；
24、其中，为隐藏层的输出值，为隐藏层激活后的输出值，为隐藏层到隐藏层的权重矩阵，为隐藏层的偏置向量，为隐藏层的激活函数，则初始预测负载输出值为：
25、；
26、其中，为移动式变压器的初始预测负载，为隐藏层到输出层的权重矩阵，为输出层的偏置向量；
27、将移动式变压器的初始预测负载与实际负载进行比较，得出移动式变压器初始预测负载和实际负载之间的平方差均值，并由平方差均值定义一个损失函数，再根据损失函数计算出移动式变压器预测负载模型的模型参数梯度，最后根据模型参数梯度对初始模型参数进行更新。
28、作为本技术方案的进一步改进，所述预测优化单元包括参数更新模块，所述预测优化单元包括参数更新模块，所述参数更新模块用于根据损失函数计算出移动式变压器预测负载模型的模型参数梯度，并根据模型参数梯度对初始模型参数进行更新，具体的方式包括：
29、提取某一时间段的实际负载，其中，通过计算初始预测负载和实际负载之间的平方差均值，得到均方误差，设均方误差为预测负载和实际负载之间的损失函数，所述损失函数的计算方式为：
30、；
31、其中，为工作负载数据集子集大小；
32、将移动式变压器初始预测负载模型的数学表达式记为：
33、；
34、将损失函数代入公式计算出移动式变压器预测负载模型的模型参数梯度，即：
35、；
36、；
37、其中，为移动式变压器预测负载模型的模型参数的梯度，为移动式变压器预测负载模型的模型参数的梯度，再根据模型参数梯度对初始模型参数进行更新，即：
38、；
39、；
40、其中，表示为学习率，将和代入公式得出移动式变压器的预测负载：
41、；
42、其中，为输出层的激活函数。
43、作为本技术方案的进一步改进，所述生成调节单元根据移动式变压器的预测负载生成移动式变压器调节策略的方式，具体包括：
44、设置负载阈值，当移动式变压器的预测负载超过设定的负载阈值的5%时，触发策略计算，具体的计算步骤如下：
45、h1、设移动式变压器的状态变量为，其中，表示移动式变压器在t时的预测负载，表示移动式变压器在t时的电压水平；
46、h2、将移动式变压器分接头的调整档位设为、电容器组的投切数量记为，所述表示为移动式变压器在t时的调整档位，所述表示为移动式变压器在t时的电容器组的投切数量；
47、h3、当采取决策对移动式变压器进行调整时，移动式变压器的预测负载和电压可以表示为：
48、；
49、；
50、其中，表示为调整之后移动式变压器的预测负载，表示为调整之后的移动式变压器的电压，表示为采取决策，和表示为根据物理规律和设备特性确定的函数；
51、h4、设定一个目标函数，所述目标函数为电压波动和优化电能消耗最小的综合指标，通过公式进行表示：
52、；
53、其中，为目标函数，表示为电压波动，为额定电压，表示采取决策的成本，是权衡成本和电压波动的权重参数，是总的时间阶段数；
54、h5、从最后一个阶段开始向前计算，递推方程为：
55、；
56、其中，表示为每个决策的目标函数值，比较每个决策的目标函数值，将电压波动和优化电能消耗最小的目标函数对应的调节策略作为最终调节策略，并发送到执行机构，所述执行机构根据最终调节策略发出调节指令对移动式变压器进行调节。
57、与现有技术相比，本发明的有益效果：
58、应用于移动式变压器的智能控制调节系统中，根据移动式变压器的电流电压获得其工作负载，并依据移动式变压器的工作负载建立预测负载模型，通过优化随机梯度下降算法对预测负载模型实现优化，加快了模型参数的更新，提高了计算效率，使得移动式变压器在高负载状态依然能够快速地对负载进行预测，并引入前向传播算法迅速处理输入数据并计算出移动式变压器的预测负载，加快响应的时间，再通过动态规划每个阶段的移动式变压器预测负载和电压，减少计算量，最后利用反向递推算法获取初始阶段的最优决策，提高了计算效率。
1.应用于移动式变压器的智能控制调节系统，其特征在于，包括采集处理单元（1）、预测优化单元（2）、生成调节单元（3）；
2.根据权利要求1所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述采集处理单元（1）包括传感器模块（11）和处理生成模块（12），所述传感器模块（11）用于采集移动式变压器的工作电流和工作电压，所述处理生成模块（12）用于对移动式变压器的工作电流和工作电压进行预处理，并获得移动式变压器的工作负载和工作负载数据集，所述对移动式变压器的工作电流和工作电压进行预处理的方式，具体包括：
3.根据权利要求2所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述利用中值滤波算法对移动式变压器的工作电流和工作电压进行去噪处理和计算，获得移动式变压器的工作负载的方式，具体包括：
4.根据权利要求1所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述预测优化单元（2）包括模型构建模块（21），所述模型构建模块（21）用于构建移动式变压器的预测负载模型，具体包括：
5.根据权利要求4所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述隐藏层使用工作负载数据集子集对移动式变压器的预测负载模型进行训练的方式，具体包括：
6.根据权利要求4所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述通过前向传播算法计算移动式变压器的初始预测负载，并通过反向传播算法更新移动式变压器预测负载模型的初始模型参数的方式，具体包括：
7.根据权利要求6所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述预测优化单元（2）包括参数更新模块（22），所述参数更新模块（22）用于根据损失函数计算出移动式变压器预测负载模型的模型参数梯度，并根据模型参数梯度对初始模型参数进行更新，具体的方式包括：
8.根据权利要求3所述的应用于移动式变压器的智能控制调节系统，其特征在于：所述生成调节单元（3）根据移动式变压器的预测负载生成移动式变压器调节策略的方式，具体包括：
