本发明属于数据处理，具体涉及一种基于融合终端的拓扑识别模型压缩方法、系统及设备。
背景技术：
1、智能电网广泛使用广域传感和测量、高速信息通信网络、先进计算和柔性控制等技术，实现发电、输电、变电、配电、用电和调度六大环节的信息化、自动化、互动化。在智能配电网中，越来越多的电气设备、数据采集设备、计算设备和管理系统通过电网、通信网两个实体网络实现互联和映射。配电网拓扑是对配电网设备、线路以及连接关系的完整描述，是实现配电网智能化应用的重要基础，完整、一致、准确、及时、可靠的配电网拓扑模型及相关数据能够为配电网调度运行、检修、供电服务提升提供关键支撑，实现配电网主动抢修、故障自愈等智能化应用。国家电网有限公司为提升配电网拓扑正确性开展了大量的工作，配电网自动化及管理系统项目配电网拓扑模型采用人工在地理信息系统(gis)或生产管理系统(pms)中进行维护，然后导入配电自动化系统并完成与能量管理系统(ems)调度模型的拼接。由于配电网规模大、设备数量多、结构复杂，依靠人工手动维护配电网拓扑模型工作量巨大、模型信息直观性差，难以保证配电网拓扑模型的完整性及正确性，存在配电网拓扑模型质量不高、拓扑模型不完整及连通混乱、模型变化无法感知、一致性无法保证等问题。
2、随着电力用户数量大量增加，实现用电管理的信息化和智能化具有重要意义。将云端的人工智能能力延伸至边缘侧，使智能更加贴近用户与物端，解决人工智能落地的“最后一公里”这一问题逐渐成为产业界的焦点，云边协同架构的发展成为解决此类问题的关键技术，云边协同致力于实现边缘计算与云计算的协同联动，从传统的云计算技术演化发展而来的边缘计算技术可实现计算资源和高效服务在边缘端的下沉应用，更加分布式的边缘计算正在成为发展趋势。
3、配电网智能融合终端除了负责对电力线路和配电变压器等低压设备进行实时监测外，还利用边缘计算能力汇聚底层各端设备上送的数据进行本地化处理，并将处理结果或问题传送到配电物联网云侧主站。因此，配电网智能融合终端与底层各类低压设备间同样为一对多的隶属关系，可通过拓扑识别技术实现该关系的自动更新。
4、然而，受限于终端本身的硬件条件，主流的深度学习模型由于计算复杂度高、内存占用较大、耗时长等点，难以部署在边缘终端设备中。
技术实现思路
1、本发明实施例的目的是提供一种基于融合终端的拓扑识别模型压缩方法、系统及设备，能够解决现有技术受限于终端本身的硬件条件，主流的深度学习模型由于计算复杂度高、内存占用较大、耗时长等点，难以部署在边缘终端设备中的技术问题。
2、为了解决上述技术问题，本发明是这样实现的：
3、第一方面，本发明提供了一种基于融合终端的拓扑识别模型压缩方法，包括：
4、s1：获取融合终端采集的数据集；
5、s2：通过所述数据集，对初始拓扑识别模型进行训练，得到训练好的基础拓扑识别模型；
6、s3：对所述基础拓扑识别模型进行通道剪枝处理，得到剪枝处理后的拓扑识别模型；
7、s4：采用不同压缩方式，对剪枝处理后的拓扑识别模型进行压缩处理，得到不同版本的正式拓扑识别模型；
8、s5：根据所述融合终端的设备接入情况，向所述融合终端部署对应版本的正式拓扑识别模型。
9、第二方面，本发明提供了一种基于融合终端的拓扑识别模型压缩系统，包括：
10、获取模块，用于获取融合终端采集的数据集；
11、训练模块，用于通过所述数据集，对初始拓扑识别模型进行训练，得到训练好的基础拓扑识别模型；
12、剪枝模块，用于对所述基础拓扑识别模型进行通道剪枝处理，得到剪枝处理后的拓扑识别模型；
13、压缩模块，用于采用不同压缩方式，对剪枝处理后的拓扑识别模型进行压缩处理，得到不同版本的正式拓扑识别模型；
14、部署模块，用于根据所述融合终端的设备接入情况，向所述融合终端部署对应版本的正式拓扑识别模型。
15、第三方面，本发明提供了一种计算机设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行第一方面所述的方法。
16、第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现第一方面所述的方法。
17、上述技术方案，与现有技术相比至少具有如下有益效果：
18、在本发明实施例中，对基础拓扑识别模型进行剪枝处理以及压缩处理，降低拓扑识别模型的大小，减小内存占用，并且可以根据融合终端的设备接入情况，向融合终端部署不同版本的正式拓扑识别模型，在模型精度不受到显著影响的前提下，减少计算资源消耗，提高模型在融合终端上运行的速度。
1.一种基于融合终端的拓扑识别模型压缩方法，其特征在于，包括：
2.根据权利要求1所述的基于融合终端的拓扑识别模型压缩方法，其特征在于，所述s5具体包括：
3.根据权利要求2所述的基于融合终端的拓扑识别模型压缩方法，其特征在于，所述精度决策集合具体为：
4.根据权利要求2所述的基于融合终端的拓扑识别模型压缩方法，其特征在于，所述延迟决策集合具体为：
5.根据权利要求2所述的基于融合终端的拓扑识别模型压缩方法，其特征在于，所述响应约束条件具体为：
6.一种基于融合终端的拓扑识别模型压缩系统，其特征在于，包括：
7.根据权利要求6所述的基于融合终端的拓扑识别模型压缩系统，其特征在于，所述部署模块具体用于：
8.根据权利要求7所述的基于融合终端的拓扑识别模型压缩系统，其特征在于，所述精度决策集合具体为：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。
