CN105787809B - 一种基于数据挖掘的电网设备运行状态智能校验方法 - Google Patents

一种基于数据挖掘的电网设备运行状态智能校验方法 Download PDF

Info

Publication number
CN105787809B
CN105787809B CN201610137249.6A CN201610137249A CN105787809B CN 105787809 B CN105787809 B CN 105787809B CN 201610137249 A CN201610137249 A CN 201610137249A CN 105787809 B CN105787809 B CN 105787809B
Authority
CN
China
Prior art keywords
equipment
operating status
state
grid
information
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.)
Expired - Fee Related
Application number
CN201610137249.6A
Other languages
English (en)
Other versions
CN105787809A (zh
Inventor
舒征宇
刘庆国
胡为民
余振华
张伟奇
陈珣
向昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Yichang Power Supply Co of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Yichang Power Supply Co of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Yichang Power Supply Co of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610137249.6A priority Critical patent/CN105787809B/zh
Publication of CN105787809A publication Critical patent/CN105787809A/zh
Application granted granted Critical
Publication of CN105787809B publication Critical patent/CN105787809B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于数据挖掘的电网设备运行状态智能校验方法，利用电网监控系统中的告警文本，采用对比文本空间特征向量的方法确定设备的运行状态。同时结合数据挖掘方法对历史存档的操作指令票挖掘设备运行状态的关联规则。以设备实际运行状态与关联规则为基础校核设备运行状态是否合理。有效解决了电网调度操作、方式变换时，因人为原因导致的电网一次、二次设备运行状态不对应的问题。辅助电网调度人员及时发现电网设备运行状态不合理的地方，可有效防止停电事故的扩大，保持电网的安全稳定运行。

Description

一种基于数据挖掘的电网设备运行状态智能校验方法
技术领域
本发明涉及电网调度的人工智能技术领域，更具体的说，涉及一种基于数据挖掘的电网设备运行状态智能校验方法。
背景技术
我国电力企业实际生产中，在进行电网方式倒换时采取的模式是，调度部门下令、设备运维人员执行的模式。在该种模式下调度人员通过设备运维人员反映的设备运行状态来掌控电网的运行状态，若运维人员在汇报设备运行状态或执行操作指令时存在偏差则会给电网或电气设备造成损害。
随着变电和输电设备的自动化改造不断深入，以往变电站值守的运维模式逐渐在向无人值守的模式进行转化，大幅提高了电网的智能化水平、节省了人力支出。但是，相对于传统的变电站值守模式，无人值守模式下的变电运维人员对于电网设备运行状态的熟悉程度下降。调度人员掌握的电网运行情况可能与实际设备的运行状态存在偏差，从而可能导致人为的电网事故发生。目前电网企业普遍采用的“五防”设备可以避免电网一次设备(断路器、刀闸)的恶性误操作，保障关于电网一次设备的调度指令准确执行。但是电网二次设备(即保护装置、自动化装置)需要与一次设备的运行状态相配合，此类设备的人为操作疏漏目前却无法有效防范。二次设备的人为疏漏往往具有隐蔽性，当电网正常运行时无任何异常，但当电网出现故障时会“放大”故障的影响后果。例如：重合闸未投会导致瞬时故障引发负荷丢失，使得原本不该丢失的负荷丢失；备自投装置未加用会导致变电站失压；联切装置未投可能导致系统解列。因此，结合电网企业生产的实际情况，研究对应的补足方法，提高电网可靠性成为目前亟需解决的问题。
目前全国绝大部分110kV及以上电压等级的变电站都采用集中监控的模式进行管理，现场电力设备的状态信号都通过通信设施直接传输到调控中心以文本的形式展示给电网监控人员。当电网设备运行状态变更时都会发出大量的电气量信号、物理信号，若能够找到反映电网设备运行状态的信号特征量则能够有效辨识电网设备的运行状态，为电网调度部门建立一套独立于“运维人员上报”的电网设备运行状态反馈通道，降低调度指令传达或执行中的偏差。同时，电网调度中长期历史存档的电网调度操作指令票可以反映电网设备运行状态之间的关联规则。若能够提出一套合理的挖掘算法则可以建立设备运行状态的关联规则库，辅助电网设备运行状态的校验。
发明内容
本发明的目的在于提出一种基于数据挖掘的电网设备运行状态智能校验方法。以调度监控收到的信号为样本，通过聚类分析的方法形成典型的设备运行状态特征向量，实现对设备运行状态信号的自动核对和辨识；采用规则挖掘的方法分析历史存档的电网调度操作指令票，建立电网设备运行状态的规则库。从而实现智能校验电网设备运行状态，预防电网设备运行状态异常导致的电网事故，最终达到提高电网运行可靠性，保障电网安全稳定运行的目的。
一种基于数据挖掘的电网设备运行状态智能校验方法，依次包括以下步骤：
采用聚类分析的方法，辨识电网设备的实时运行状态；
采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则；
根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理。
所述采用聚类分析的方法，辨识电网设备的实时运行状态，包括以下步骤：
步骤一：建立不同设备运行状态变位信息文本，根据电网企业生产实际情况划分不同类型的运行状态，当电网设备运行状态转换时发送至调度监控平台的信息是典型的触发式告警信息，即当有设备状态改变时发出对应信息；根据电网设备状态转换时调度监控平台实际接收的告警信息，建立不同设备在不同运行状态下的典型告警信息模板，并记作K(t,z,c)，其中t为设备类型、z为设备状态转换的标的运行状态，c为对应的告警信息模板，即t设备转换到z状态时发出的信息；
步骤二：根据互现系数M(X,Y)初步提取文本关键词汇，由于电网设备运行状态的告警信息是由电网设备发出的标准化调度术语，信息文本中对同一事物的描述方式都相对固定，因此可以采用基于统计的分词方法对文本进行分词处理和统计。按照式(1)统计两个汉字的互现信息系数：
其中M(X,Y)为汉字X和Y的互现信息系数，P(X,Y)为X、Y相邻出现在文本中的几率，P(X)、P(Y)分别为汉字X、Y在文本中出现的几率，相邻的两个字同时出现的次数越多，其可信度越高，由汉字X、Y组成的词组也越有可能成为关键词，将互现系数M(X,Y)>0的词条计入文本特征项集合；然后去除平凡词，电网监控信息中会存在大量含有“的”、“了”等平凡词，上述平凡词对于文本描述的内容无贡献，因此将这类词排除在外，最终形成典型信息文本的特征项集合：θ＝{δ1,δ2,δ3…δn}，其中δi(i＝1,2,…,n)为筛选后得到的关键词；
步骤三：采用TF-IDF特异性计算公式计算关键词的权重，其公式如下式(2)所示：
其中，f(δi,d)为词条δi在文档中出现频率，N为所有文档的个数，ni为含有词条δi的文档个数，由TF-IDF公式计算得到的权重系数表征了词条的特异性，若wi越大则表明词条δi的特异性越高，在不同文档中出现的比率越低，但在单个文档中出现的频次越高，那么词条δi用于表征文档d的可信度越高；
步骤四：建立不同设备运行状态转换时所发出文本信息的空间特征向量，通过步骤三可以计算得到不同词条在文档中的权重，经过归一化处理后的权重为：
因此任意文档可以表征为一个二维向量，其形式如下式(4)所示：
{[δ1,W1],[δ2,W2],…[δn,Wn]} (4)
如果将不同的词条看作一个坐标轴，那么该二维向量则可以看作是该空间中的一个向量；
由以上步骤则可以建立电网中每个设备在不同状态下的空间特征向量记做式(5)：
ψ(i,t)＝{[δ1,W1],[δ2,W2],…[δn,Wn]} (5)
ψ(i,t)为设备i转换到状态t时电网监控平台收到文本的空间特征向量，i为设备名称，t为设备转换的标的状态，δi(i＝1,2,…n)为关键词，Wi(i＝1,2,…n)为关键词对应权重；
步骤五：根据关键词汇库建立实时文本信息的空间特征向量，采集调度监控系统实时信息，建立不同设备的信息状态文本列向量，列向量维度为m，根据接收时间将收到的设备运行状态信息加入列向量，即一个列向量对应一个具体电网设备，每个列向量只保留最新的m条电网状态信息文本；通过处理可以将全电网最近时段的设备运行状态表示为m×n的矩阵，其形式如下式(6)所示：
其中Q为近段时间内调度监控信息平台接收到的所有信息报文集合，m为列向量维数，令m＝20，即保留设备最近的20条状态信息文本，n为电网中设备的总数，Ci为对应设备i最近收到20条状态信息文本集合，cij为对应设备的运行状态信息报文；
步骤六：采用夹角余弦公式对比实时信息文本和典型文本，初步辨识设备运行状态，采用式(1)～(4)对Ci进行处理可以建立设备i最近时段的空间特征向量，记做ω(i)＝{[δ1,W1],[δ2,W2],…[δn,Wn]}，采用夹角余玄公式计算计算ω(i)与ψ(i,t)的相似度，其计算公式如下式(7)所示：
其中为告警信息文档ω(i)、ψ(i,t)在空间{δ1,δ2,…δn}中的特征向量：[W1,W2…Wn]和[Wt,1,Wt,2…Wt,n]。由此可以计算得出设备在不同运行状态的相似度，在此基础上逐个删除Ci中的状态信息报文cij，再次计算删除后文本集合与典型文本的相似度，若相似度增加则继续筛选删除，若减小则删除其他报文，如此反复直至相似度达到最高；可以计算得出电网设备i与不同运行状态相比较的相似度，确定相似度最大的状态为电网设备的运行状态。
所述采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则，包括以下步骤：
步骤一：分析操作票指令，提取操作执行后的设备运行状态，首先建立电力网络状态模型，将母线、断路器、变压器作为节点，将输电线路等效为网络拓扑模型中的边，增加断路器和母线、线路之间的虚拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓扑模型中的边；由此可以得到表征电网中电气设备连接关系的连接矩阵A0：
式中G0为电力系统的将电力网络抽象得到的简单图，eij为节点i到节点j的边，n为电网中母线、断路器、刀闸、变压器的个数之和，该矩阵描述了电网中一次设备之间的连接关系；
网络拓扑模型对角元素赋值，上述过程得到的网络拓扑模型其实质为电网一次设备之间的连接关系，不能全面反映电网一次设备的运行状态，因此对连接矩阵A0中的对角元素进行赋值，得到反映电网一次设备运行状态的网络状态矩阵A：
然后建立与电网一次设备运行状态相对应的二次设备运行状态向量χ，
χ＝[χ1…χn]T (12)
通过上述步骤，实际电网中一次设备与二次设备的运行状态以及整个电网的连接关系可以由网络状态矩阵A和二次设备运行状态向量χ表示；
再根据操作指令票初步建立设备状态关联数据表，搜索每张电网调度操作指令票中不同设备的标的状态，将任意一张历史存档的电网操作指令票中关于设备状态的信息提取，形成如下式(14)所示的标准形式：
θ＝[A,χ,(μ1,γ1)…(μi,γi)…(μN,γN)](14)
式中A为进行该操作前电网的一次设备运行状态矩阵，χ为进行该操作前的电网二次设备运行状态向量，(μi,γi)表示设备μi运行在γi状态，N为电网中设备的总数；
步骤二：以某一设备运行状态为基准，提取所对应的所有操作指令票集合{θ}，由上述步骤可以将任意一张历史操作指令票写作设备状态的标准形式θ，建立设备状态为中心的数据挖掘样本，其形式如下式(15)所示：
其中为设备μi运行变更为γi状态时在不同操作指令票中反映的电网相关设备运行状态集合，为所对应的操作指令票描述的设备状态关联数据表，其具体形式如式(14)所示，n为涉及设备μk状态转换，且把设备μk运行状态最终转换为γk所涉及到的历史操作指令票的总数；
然后计算基于蚁群算法的构造规则，蚁群算法是通过模拟蚂蚁觅食寻找最优路径的方式来求解的一种算法，蚂蚁在觅食过程中会在经过的路径上留下信息素，而后跟进的蚂蚁会有极大几率跟随信息素前进，蚁群算法的本质则是设置虚拟蚂蚁和蚂蚁向不同节点移动的几率来指引路径寻找，通过多次迭代收敛来进行路径优化，其数学模型可以表示为下式(16)～(17)：
τij(t+1)＝(1-ρ)τij(t)+ρ△τij(t) (17)
式(16)中为设备μk运行在状态γk时所涉及到的关联设备集合。表示为蚂蚁在t时刻从节点i向节点j移动的几率，即设备μk运行在状态γk时，若设备μi运行状态为γi，设备μj运行状态变更为γj的几率。τij(t)、ηij分别为t时刻的局部信息素和启发因子，即局部寻优和全局寻优的影响因子，α、β为权重系数，ρ为衰减系数；
本发明设置α＝0.8、β＝0.2、ρ＝0.3，局部信息素的计算公式为：
P(μj＝γj|μi＝γi)为设备μk运行状态为γk时，设备μi运行状态变更为γi后设备μj状态变更为γj的几率，为操作指令票结束时设备μk运行状态为γk且设备μi运行状态变更为γi的操作指令票个数；为操作指令票结束时设备μk运行状态为γk、设备μi运行状态为γi且设备μj状态变更为γj的操作指令票个数；
步骤三：求解Pij并模拟蚂蚁移动直至所有涉及的设备状态都确定；
步骤四：更新信息素带入蚁群算法迭代，令全局信息素为：
其中Xij，Yij为一次状态矩阵和二次状态向量的皮尔森相关系数，分别表示操作项目i执行前和操作项目j执行前电网一次设备运行状态相似程度和二次设备运行状态相似程度，单一设备运行状态变位前后电网的设备运行状态会十分接近，以电网运行状态的皮尔森相关系数作为全局信息素可以在迭代过程中快速剔除不相关的操作项目，加快迭代收敛；
令启发因子为：
为操作指令票结束时设备μk运行状态为γk且设备μj运行状态变更为γj的操作指令票个数，n为设备μk运行状态为γk时涉及到的历史操作指令票的总数；然后采用式(16)～(20)进行迭代计算，直至路径收敛则可以得到设备μk运行状态为γk时的关联设备运行状态规则，记做R＝[μk:γk]，其实质为操作项目的组合序列；
步骤五：将搜索得到规则库代入样本检验有效性，规则的有效性L可以用下式进行计算，
tp——规则前件后件都适合的样例数；
fp——规则前件适合后件不适合的样例数；
fn——规则前件不适合后件适合的样例数；
tn——规则前件后件都不适合的样例数；
式中tp、fp、fn、tn的具体数值可以通过将挖掘得到的规则R＝[μ:γ]在历史操作票中检验计算得出；
步骤六：根据有效性参数计算结果对规则进行剪枝，通过删除任何能导致规则精度提高的前件来修剪规则，剪枝后的规则就是搜索到的规则，其具体方法为，依次移去能使规则有效性得到最大提高的结点，即规则中所包含的设备运行状态，直到任意一个结点的移去将降低规则有效性。
所述根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理包括以下步骤：
步骤一：搜集电网监控实时数据，提取调度监控信息平台接收到的最新的信息报文20条，并将其转化为文本；
步骤二：辨识电网设备运行状态，计算实时信息报文的空间特征向量，并将其与典型文本的空间特征向量比对，确定设备运行状态；
步骤三：根据设备运行状态关联规则搜索相关联设备，根据设备运行状态关联规则，确定相关联的设备并且核对关联设备的运行状态是否合理。
本发明提出一种基于数据挖掘的电网设备运行状态智能校验方法，利用电网监控系统中的告警文本，采用对比文本空间特征向量的方法确定设备的运行状态。同时结合数据挖掘方法对历史存档的操作指令票挖掘设备运行状态的关联规则。以设备实际运行状态与关联规则为基础校核设备运行状态是否合理。有效解决了电网调度操作、方式变换时，因人为原因导致的电网一次、二次设备运行状态不对应的问题。辅助电网调度人员及时发现电网设备运行状态不合理的地方，可有效防止停电事故的扩大，保持电网的安全稳定运行。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明电网设备运行状态辨识流程图；
图2为本发明设备运行状态关联规则挖掘流程图；
图3为本发明设备运行状态校验流程图；
图4为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
一种基于数据挖掘的电网设备运行状态智能校验方法，依次包括以下步骤：
采用聚类分析的方法，辨识电网设备的实时运行状态；
采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则；
根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理。
如图1所示，为本发明电网设备运行状态辨识流程图；
所述采用聚类分析的方法，辨识电网设备的实时运行状态，包括以下步骤：
S11，建立不同设备运行状态变位信息文本，根据电网企业生产实际情况划分不同类型的运行状态，当电网设备运行状态转换时发送至调度监控平台的信息是典型的触发式告警信息，即当有设备状态改变时发出对应信息；根据电网设备状态转换时调度监控平台实际接收的告警信息，建立不同设备在不同运行状态下的典型告警信息模板，并记作K(t,z,c)，其中t为设备类型、z为设备状态转换的标的运行状态，c为对应的告警信息模板，即t设备转换到z状态时发出的信息；
S12，根据互现系数M(X,Y)初步提取文本关键词汇，由于电网设备运行状态的告警信息是由电网设备发出的标准化调度术语，信息文本中对同一事物的描述方式都相对固定，因此可以采用基于统计的分词方法对文本进行分词处理和统计。按照式(1)统计两个汉字的互现信息系数：
其中M(X,Y)为汉字X和Y的互现信息系数，P(X,Y)为X、Y相邻出现在文本中的几率，P(X)、P(Y)分别为汉字X、Y在文本中出现的几率，相邻的两个字同时出现的次数越多，其可信度越高，由汉字X、Y组成的词组也越有可能成为关键词，将互现系数M(X,Y)>0的词条计入文本特征项集合；然后去除平凡词，电网监控信息中会存在大量含有“的”、“了”等平凡词，上述平凡词对于文本描述的内容无贡献，因此将这类词排除在外，最终形成典型信息文本的特征项集合：θ＝{δ1,δ2,δ3…δn}，其中δi(i＝1,2,…,n)为筛选后得到的关键词，
S13，采用TF-IDF特异性计算公式计算关键词的权重，其公式如下式(2)所示：
其中，f(δi,d)为词条δi在文档中出现频率，N为所有文档的个数，ni为含有词条δi的文档个数，由TF-IDF公式计算得到的权重系数表征了词条的特异性，若wi越大则表明词条δi的特异性越高，在不同文档中出现的比率越低，但在单个文档中出现的频次越高，那么词条δi用于表征文档d的可信度越高；
S14，建立不同设备运行状态转换时所发出文本信息的空间特征向量，通过步骤三可以计算得到不同词条在文档中的权重，经过归一化处理后的权重为：
因此任意文档可以表征为一个二维向量，其形式如下式(4)所示：
{[δ1,W1],[δ2,W2],…[δn,Wn]} (4)
如果将不同的词条看作一个坐标轴，那么该二维向量则可以看作是该空间中的一个向量；
由以上步骤则可以建立电网中每个设备在不同状态下的空间特征向量记做式(5)：
ψ(i,t)＝{[δ1,W1],[δ2,W2],…[δn,Wn]} (5)
ψ(i,t)为设备i转换到状态t时电网监控平台收到文本的空间特征向量，i为设备名称，t为设备转换的标的状态，δi(i＝1,2,…n)为关键词，Wi(i＝1,2,…n)为关键词对应权重；
通过上述步骤可以得到设备转换标的状态时的典型文本以及对应的空间特征向量，此时通过对比调度监控平台接收到的信号和典型文本之间的相似度则可以有效辨识设备运行状态。
S15，根据关键词汇库建立实时文本信息的空间特征向量，采集调度监控系统实时信息，建立不同设备的信息状态文本列向量，列向量维度为m，根据接收时间将收到的设备运行状态信息加入列向量，即一个列向量对应一个具体电网设备，每个列向量只保留最新的m条电网状态信息文本；通过处理可以将全电网最近时段的设备运行状态表示为m×n的矩阵，其形式如下式(6)所示：
其中Q为近段时间内调度监控信息平台接收到的所有信息报文集合，m为列向量维数，令m＝20，即保留设备最近的20条状态信息文本，n为电网中设备的总数，Ci为对应设备i最近收到20条状态信息文本集合，cij为对应设备的运行状态信息报文；
S16，采用夹角余弦公式对比实时信息文本和典型文本，初步辨识设备运行状态，采用式(1)～(4)对Ci进行处理可以建立设备i最近时段的空间特征向量，记做ω(i)＝{[δ1,W1],[δ2,W2],…[δn,Wn]}，采用夹角余玄公式计算计算ω(i)与ψ(i,t)的相似度，其计算公式如下式(7)所示：
其中为告警信息文档ω(i)、ψ(i,t)在空间{δ1,δ2,…δn}中的特征向量：[W1,W2…Wn]和[Wt,1,Wt,2…Wt,n]，由此可以计算得出设备在不同运行状态的相似度，在此基础上逐个删除Ci中的状态信息报文cij，再次计算删除后文本集合与典型文本的相似度，若相似度增加则继续筛选删除，若减小则删除其他报文，如此反复直至相似度达到最高；可以计算得出电网设备i与不同运行状态相比较的相似度，确定相似度最大的状态为电网设备的运行状态。
综上所述，采用以上步骤可以根据电网调度监控信息平台获得的报文信息计算报文集合与典型信息文本之间的相似度自动判断所有电网设备的运行状态。从而为电网设备运行状态的智能校核奠定基础。
如图2所示，为本发明的设备运行状态关联规则挖掘流程；
所述采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则，包括以下步骤：
S21，分析操作票指令，提取操作执行后的设备运行状态，首先建立电力网络状态模型，将母线、断路器、变压器作为节点，将输电线路等效为网络拓扑模型中的边，增加断路器和母线、线路之间的虚拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓扑模型中的边；由此可以得到表征电网中电气设备连接关系的连接矩阵A0：
式中G0为电力系统的将电力网络抽象得到的简单图，eij为节点i到节点j的边，n为电网中母线、断路器、刀闸、变压器的个数之和，该矩阵描述了电网中一次设备之间的连接关系；
网络拓扑模型对角元素赋值，上述过程得到的网络拓扑模型其实质为电网一次设备之间的连接关系，不能全面反映电网一次设备的运行状态，因此对连接矩阵A0中的对角元素进行赋值，得到反映电网一次设备运行状态的网络状态矩阵A：
然后建立与电网一次设备运行状态相对应的二次设备运行状态向量χ，
χ＝[χ1…χn]T (12)
通过上述步骤，实际电网中一次设备与二次设备的运行状态以及整个电网的连接关系可以由网络状态矩阵A和二次设备运行状态向量χ表示；
再根据操作指令票初步建立设备状态关联数据表，搜索每张电网调度操作指令票中不同设备的标的状态，将任意一张历史存档的电网操作指令票中关于设备状态的信息提取，形成如下式(14)所示的标准形式：
θ＝[A,χ,(μ1,γ1)…(μi,γi)…(μN,γN)] (14)
式中A为进行该操作前电网的一次设备运行状态矩阵，χ为进行该操作前的电网二次设备运行状态向量，(μi,γi)表示设备μi运行在γi状态，N为电网中设备的总数；
S22，以某一设备运行状态为基准，提取所对应的所有操作指令票集合{θ}，由上述步骤可以将任意一张历史操作指令票写作设备状态的标准形式θ，建立设备状态为中心的数据挖掘样本，其形式如下式(15)所示：
其中为设备μi运行变更为γi状态时在不同操作指令票中反映的电网相关设备运行状态集合，为所对应的操作指令票描述的设备状态关联数据表，其具体形式如式(14)所示，n为涉及设备μk状态转换，且把设备μk运行状态最终转换为γk所涉及到的历史操作指令票的总数；
然后计算基于蚁群算法的构造规则，蚁群算法是通过模拟蚂蚁觅食寻找最优路径的方式来求解的一种算法，蚂蚁在觅食过程中会在经过的路径上留下信息素，而后跟进的蚂蚁会有极大几率跟随信息素前进，蚁群算法的本质则是设置虚拟蚂蚁和蚂蚁向不同节点移动的几率来指引路径寻找，通过多次迭代收敛来进行路径优化，其数学模型可以表示为下式(16)～(17)：
τij(t+1)＝(1-ρ)τij(t)+ρ△τij(t) (17)
式(16)中为设备μk运行在状态γk时所涉及到的关联设备集合。表示为蚂蚁在t时刻从节点i向节点j移动的几率，即设备μk运行在状态γk时，若设备μi运行状态为γi，设备μj运行状态变更为γj的几率。τij(t)、ηij分别为t时刻的局部信息素和启发因子，即局部寻优和全局寻优的影响因子，α、β为权重系数，ρ为衰减系数；
本发明设置α＝0.8、β＝0.2、ρ＝0.3，局部信息素的计算公式为：
P(μj＝γj|μi＝γi)为设备μk运行状态为γk时，设备μi运行状态变更为γi后设备μj状态变更为γj的几率，为操作指令票结束时设备μk运行状态为γk且设备μi运行状态变更为γi的操作指令票个数；为操作指令票结束时设备μk运行状态为γk、设备μi运行状态为γi且设备μj状态变更为γj的操作指令票个数；
S23，求解Pij并模拟蚂蚁移动直至所有涉及的设备状态都确定；
S24，更新信息素带入蚁群算法迭代，令全局信息素为：
其中Xij，Yij为一次状态矩阵和二次状态向量的皮尔森相关系数，分别表示操作项目i执行前和操作项目j执行前电网一次设备运行状态相似程度和二次设备运行状态相似程度，单一设备运行状态变位前后电网的设备运行状态会十分接近，以电网运行状态的皮尔森相关系数作为全局信息素可以在迭代过程中快速剔除不相关的操作项目，加快迭代收敛；
为操作指令票结束时设备μk运行状态为γk且设备μj运行状态变更为γj的操作指令票个数，n为设备μk运行状态为γk时涉及到的历史操作指令票的总数；然后采用式(16)～(20)进行迭代计算，直至路径收敛则可以得到设备μk运行状态为γk时的关联设备运行状态规则，记做R＝[μk:γk]，其实质为操作项目的组合序列；
S25，将搜索得到规则库代入样本检验有效性，规则的有效性L可以用下式进行计算，
tp——规则前件后件都适合的样例数；
fp——规则前件适合后件不适合的样例数；
fn——规则前件不适合后件适合的样例数；
tn——规则前件后件都不适合的样例数；
式中tp、fp、fn、tn的具体数值可以通过将挖掘得到的规则R＝[μ:γ]在历史操作票中检验计算得出；
S26，根据有效性参数计算结果对规则进行剪枝，通过删除任何能导致规则精度提高的前件来修剪规则，剪枝后的规则就是搜索到的规则，其具体方法为，依次移去能使规则有效性得到最大提高的结点，即规则中所包含的设备运行状态，直到任意一个结点的移去将降低规则有效性。
如图3所示，为本发明的设备运行状态校验流程；
所述根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理包括以下步骤：
S31，搜集电网监控实时数据，提取调度监控信息平台接收到的最新的信息报文20条，并将其转化为文本；
S32，辨识电网设备运行状态，计算实时信息报文的空间特征向量，并将其与典型文本的空间特征向量比对，确定设备运行状态；
S33，根据设备运行状态关联规则搜索相关联设备，根据设备运行状态关联规则，确定相关联的设备并且核对关联设备的运行状态是否合理。
如图4所示，为本发明公开的一个实施例，本发明利用电网监控系统中的告警文本，采用对比文本空间特征向量的方法确定设备的运行状态。同时结合数据挖掘方法对历史存档的操作指令票挖掘设备运行状态的关联规则。以设备实际运行状态与关联规则为基础校核设备运行状态是否合理。有效解决了电网调度操作、方式变换时，因人为原因导致的电网一次、二次设备运行状态不对应的问题。辅助电网调度人员及时发现电网设备运行状态不合理的地方，可有效防止停电事故的扩大，保持电网的安全稳定运行。

Claims (3)

1.一种基于数据挖掘的电网设备运行状态智能校验方法，其特征在于，依次包括以下步骤：
采用聚类分析的方法，辨识电网设备的实时运行状态；
采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则；
根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理；
所述采用聚类分析的方法，辨识电网设备的实时运行状态，包括以下步骤：
步骤一：建立不同设备运行状态变位信息文本，根据电网企业生产实际情况划分不同类型的运行状态，当电网设备运行状态转换时发送至调度监控平台的信息是典型的触发式告警信息，即当有设备状态改变时发出对应信息；根据电网设备状态转换时调度监控平台实际接收的告警信息，建立不同设备在不同运行状态下的典型告警信息模板，并记作K(t,z,c)，其中t为设备类型、z为设备状态转换的标的运行状态，c为对应的告警信息模板，即t设备转换到z状态时发出的信息；
步骤二：根据互现系数M(X,Y)初步提取文本关键词汇，由于电网设备运行状态的告警信息是由电网设备发出的标准化调度术语，信息文本中对同一事物的描述方式都相对固定，因此可以采用基于统计的分词方法对文本进行分词处理和统计；按照式(1)统计两个汉字的互现信息系数：
其中M(X,Y)为汉字X和Y的互现信息系数，P(X,Y)为X、Y相邻出现在文本中的几率，P(X)、P(Y)分别为汉字X、Y在文本中出现的几率，相邻的两个字同时出现的次数越多，其可信度越高，由汉字X、Y组成的词组也越有可能成为关键词，将互现系数M(X,Y)>0的词条计入文本特征项集合；然后去除平凡词，最终形成典型信息文本的特征项集合：θ＝{δ1,δ2,δ3…δn}，其中δi(i＝1,2,…,n)为筛选后得到的关键词，
步骤三：采用TF-IDF特异性计算公式计算关键词的权重，其公式如下式(2)所示：
其中，f(δi,d)为词条δi在文档中出现频率，N为所有文档的个数，ni为含有词条δi的文档个数，由TF-IDF公式计算得到的权重系数表征了词条的特异性，若wi越大则表明词条δi的特异性越高，在不同文档中出现的比率越低，但在单个文档中出现的频次越高，那么词条δi用于表征文档d的可信度越高；
步骤四：建立不同设备运行状态转换时所发出文本信息的空间特征向量，通过步骤三可以计算得到不同词条在文档中的权重，经过归一化处理后的权重为：
因此任意文档可以表征为一个二维向量，其形式如下式(4)所示：
{[δ1,W1],[δ2,W2],…[δn,Wn]} (4)
如果将不同的词条看作一个坐标轴，那么该二维向量则可以看作是该空间中的一个向量；
由以上步骤则可以建立电网中每个设备在不同状态下的空间特征向量记做式(5)：
ψ(i,t)＝{[δ1,W1],[δ2,W2],…[δn,Wn]} (5)
ψ(i,t)为设备i转换到状态t时电网监控平台收到文本的空间特征向量，i为设备名称，t为设备转换的标的状态，δi(i＝1,2,…n)为关键词，Wi(i＝1,2,…n)为关键词对应权重；
步骤五：根据关键词汇库建立实时文本信息的空间特征向量，采集调度监控系统实时信息，建立不同设备的信息状态文本列向量，列向量维度为m，根据接收时间将收到的设备运行状态信息加入列向量，即一个列向量对应一个具体电网设备，每个列向量只保留最新的m条电网状态信息文本；通过处理可以将全电网最近时段的设备运行状态表示为m×n的矩阵，其形式如下式(6)所示：
其中Q为近段时间内调度监控信息平台接收到的所有信息报文集合，m为列向量维数，令m＝20，即保留设备最近的20条状态信息文本，n为电网中设备的总数，Ci为对应设备i最近收到20条状态信息文本集合，cij为对应设备的运行状态信息报文；
步骤六：采用夹角余弦公式对比实时信息文本和典型文本，初步辨识设备运行状态，采用式(1)～(4)对Ci进行处理可以建立设备i最近时段的空间特征向量，记做ω(i)＝{[δ1,W1],[δ2,W2],…[δn,Wn]}，采用夹角余玄公式计算计算ω(i)与ψ(i,t)的相似度，其计算公式如下式(7)所示：
其中为告警信息文档ω(i)、ψ(i,t)在空间{δ1,δ2,…δn}中的特征向量：[W1,W2…Wn]和[Wt,1,Wt,2…Wt,n]，由此可以计算得出设备在不同运行状态的相似度，在此基础上逐个删除Ci中的状态信息报文cij，再次计算删除后文本集合与典型文本的相似度，若相似度增加则继续筛选删除，若减小则删除其他报文，如此反复直至相似度达到最高；可以计算得出电网设备i与不同运行状态相比较的相似度，确定相似度最大的状态为电网设备的运行状态。
2.根据权利要求1所述一种基于数据挖掘的电网设备运行状态智能校验方法，其特征在于，所述采用数据挖掘的方法分析电网调度操作指令票，得出电网关联设备运行状态之间的关联规则，包括以下步骤：
步骤一：分析操作票指令，提取操作执行后的设备运行状态，首先建立电力网络状态模型，将母线、断路器、变压器作为节点，将输电线路等效为网络拓扑模型中的边，增加断路器和母线、线路之间的虚拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓扑模型中的边；由此可以得到表征电网中电气设备连接关系的连接矩阵A0：
式中G0为电力系统的将电力网络抽象得到的简单图，eij为节点i到节点j的边，n为电网中母线、断路器、刀闸、变压器的个数之和，该矩阵描述了电网中一次设备之间的连接关系；
网络拓扑模型对角元素赋值，上述过程得到的网络拓扑模型其实质为电网一次设备之间的连接关系，不能全面反映电网一次设备的运行状态，因此对连接矩阵A0中的对角元素进行赋值，得到反映电网一次设备运行状态的网络状态矩阵A：
然后建立与电网一次设备运行状态相对应的二次设备运行状态向量χ，
χ＝[χ1…χn]T (12)
通过上述步骤，实际电网中一次设备与二次设备的运行状态以及整个电网的连接关系可以由网络状态矩阵A和二次设备运行状态向量χ表示；
再根据操作指令票初步建立设备状态关联数据表，搜索每张电网调度操作指令票中不同设备的标的状态，将任意一张历史存档的电网操作指令票中关于设备状态的信息提取，形成如下式(14)所示的标准形式：
θ＝[A,χ,(μ1,γ1)…(μi,γi)…(μN,γN)] (14)
式中A为进行该操作前电网的一次设备运行状态矩阵，χ为进行该操作前的电网二次设备运行状态向量，(μi,γi)表示设备μi运行在γi状态，N为电网中设备的总数；
步骤二：以某一设备运行状态为基准，提取所对应的所有操作指令票集合{θ}，由上述步骤可以将任意一张历史操作指令票写作设备状态的标准形式θ，建立设备状态为中心的数据挖掘样本，其形式如下式(15)所示：
其中为设备μi运行变更为γi状态时在不同操作指令票中反映的电网相关设备运行状态集合，为所对应的操作指令票描述的设备状态关联数据表，其具体形式如式(14)所示，n为涉及设备μk状态转换，且把设备μk运行状态最终转换为γk所涉及到的历史操作指令票的总数；
然后计算基于蚁群算法的构造规则，蚁群算法是通过模拟蚂蚁觅食寻找最优路径的方式来求解的一种算法，蚂蚁在觅食过程中会在经过的路径上留下信息素，而后跟进的蚂蚁会有极大几率跟随信息素前进，蚁群算法的本质则是设置虚拟蚂蚁和蚂蚁向不同节点移动的几率来指引路径寻找，通过多次迭代收敛来进行路径优化，其数学模型可以表示为下式(16)～(17)：
τij(t+1)＝(1-ρ)τij(t)+ρ△τij(t) (17)
式(16)中为设备μk运行在状态γk时所涉及到的关联设备集合；表示为蚂蚁在t时刻从节点i向节点j移动的几率，即设备μk运行在状态γk时，若设备μi运行状态为γi，设备μj运行状态变更为γj的几率；τij(t)、ηij分别为t时刻的局部信息素和启发因子，即局部寻优和全局寻优的影响因子，α、β为权重系数，ρ为衰减系数；
本发明设置α＝0.8、β＝0.2、ρ＝0.3，局部信息素的计算公式为：
P(μj＝γj|μi＝γi)为设备μk运行状态为γk时，设备μi运行状态变更为γi后设备μj状态变更为γj的几率，为操作指令票结束时设备μk运行状态为γk且设备μi运行状态变更为γi的操作指令票个数；为操作指令票结束时设备μk运行状态为γk、设备μi运行状态为γi且设备μj状态变更为γj的操作指令票个数；
步骤三：求解Pij并模拟蚂蚁移动直至所有涉及的设备状态都确定；
步骤四：更新信息素带入蚁群算法迭代，令全局信息素为：
其中Xij，Yij为一次状态矩阵和二次状态向量的皮尔森相关系数，分别表示操作项目i执行前和操作项目j执行前电网一次设备运行状态相似程度和二次设备运行状态相似程度，单一设备运行状态变位前后电网的设备运行状态会十分接近，以电网运行状态的皮尔森相关系数作为全局信息素可以在迭代过程中快速剔除不相关的操作项目，加快迭代收敛；
令启发因子为：
为操作指令票结束时设备μk运行状态为γk且设备μj运行状态变更为γj的操作指令票个数，n为设备μk运行状态为γk时涉及到的历史操作指令票的总数；然后采用式(16)～(20)进行迭代计算，直至路径收敛则可以得到设备μk运行状态为γk时的关联设备运行状态规则，记做R＝[μk:γk]，其实质为操作项目的组合序列；
步骤五：将搜索得到规则库代入样本检验有效性，规则的有效性L可以用下式进行计算，
tp——规则前件后件都适合的样例数；
fp——规则前件适合后件不适合的样例数；
fn——规则前件不适合后件适合的样例数；
tn——规则前件后件都不适合的样例数；
式中tp、fp、fn、tn的具体数值可以通过将挖掘得到的规则R＝[μ:γ]在历史操作票中检验计算得出；
步骤六：根据有效性参数计算结果对规则进行剪枝，通过删除任何能导致规则精度提高的前件来修剪规则，剪枝后的规则就是搜索到的规则，其具体方法为，依次移去能使规则有效性得到最大提高的结点，即规则中所包含的设备运行状态，直到任意一个结点的移去将降低规则有效性。
3.根据权利要求1所述一种基于数据挖掘的电网设备运行状态智能校验方法，其特征在于，所述根据电网设备运行状态的关联规则和实时的电网设备运行状态，自动校验电网设备运行状态是否合理包括以下步骤：
步骤一：搜集电网监控实时数据，提取调度监控信息平台接收到的最新的信息报文20条，并将其转化为文本；
步骤二：辨识电网设备运行状态，计算实时信息报文的空间特征向量，并将其与典型文本的空间特征向量比对，确定设备运行状态；
步骤三：根据设备运行状态关联规则搜索相关联设备，根据设备运行状态关联规则，确定相关联的设备并且核对关联设备的运行状态是否合理。
CN201610137249.6A 2016-03-10 2016-03-10 一种基于数据挖掘的电网设备运行状态智能校验方法 Expired - Fee Related CN105787809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610137249.6A CN105787809B (zh) 2016-03-10 2016-03-10 一种基于数据挖掘的电网设备运行状态智能校验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610137249.6A CN105787809B (zh) 2016-03-10 2016-03-10 一种基于数据挖掘的电网设备运行状态智能校验方法

Publications (2)

Publication Number Publication Date
CN105787809A CN105787809A (zh) 2016-07-20
CN105787809B true CN105787809B (zh) 2019-11-15

Family

ID=56388448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610137249.6A Expired - Fee Related CN105787809B (zh) 2016-03-10 2016-03-10 一种基于数据挖掘的电网设备运行状态智能校验方法

Country Status (1)

Country Link
CN (1) CN105787809B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106385107B (zh) * 2016-11-15 2018-10-02 国网江苏省电力公司苏州供电公司 一种电力调控防误系统
CN106385108B (zh) * 2016-11-15 2018-10-02 国网江苏省电力公司苏州供电公司 一种电力调控防误系统内设备状态自校核方法
CN107340766B (zh) * 2017-07-10 2019-04-12 浙江大学 基于相似度的电力调度告警信号文本归类及故障诊断方法
CN111066003A (zh) * 2017-10-10 2020-04-24 西门子股份公司 对流程行业中的设备进行状态监测的方法、装置及介质
CN107944570B (zh) * 2017-10-27 2021-02-02 许继电气股份有限公司 智能变电站顺序控制非典型状态的自动处理方法和装置
CN109034360A (zh) * 2018-07-13 2018-12-18 北京工业大学 一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法
CN110175324B (zh) * 2019-04-11 2023-05-23 贵州电网有限责任公司 一种基于数据挖掘的电网运行操作指令校验方法及系统
CN110348005B (zh) * 2019-05-27 2022-02-01 广东电网有限责任公司广州供电局 配网设备状态数据处理方法、装置、计算机设备及介质
CN112785108A (zh) * 2019-11-11 2021-05-11 国网天津市电力公司 一种基于调控云的电网运行数据关联分析方法及系统
CN113515950B (zh) * 2021-04-30 2023-06-23 贵州电网有限责任公司 一种适用于电力智能调度的自然语言处理语义分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761624A (zh) * 2014-01-28 2014-04-30 国网安徽省电力公司 一体化电网调度操作智能防误预警系统的实现方法
CN103901298A (zh) * 2014-03-13 2014-07-02 广东电网公司电力科学研究院 变电站设备运行状态的检测方法与系统
CN105372557A (zh) * 2015-12-03 2016-03-02 国家电网公司 基于关联规则的电网资源故障诊断方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104375055B (zh) * 2013-08-15 2017-05-17 通用电气公司 配电网的故障定位装置及方法
CN103954874B (zh) * 2014-05-27 2017-02-01 华北电力大学 一种全网与局部模型相结合的变电站运行状态分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761624A (zh) * 2014-01-28 2014-04-30 国网安徽省电力公司 一体化电网调度操作智能防误预警系统的实现方法
CN103901298A (zh) * 2014-03-13 2014-07-02 广东电网公司电力科学研究院 变电站设备运行状态的检测方法与系统
CN105372557A (zh) * 2015-12-03 2016-03-02 国家电网公司 基于关联规则的电网资源故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
电网事故处理智能辅助决策系统的研究;张卫华;《中国优秀硕士学位论文全文数据库》;20120615(第6期);第23-51页 *
电网数据中心的数据安全问题研究;赵威;《中国博士学位论文全文数据库》;20111115(第11期);第26-81页 *

Also Published As

Publication number Publication date
CN105787809A (zh) 2016-07-20

Similar Documents

Publication Publication Date Title
CN105787809B (zh) 一种基于数据挖掘的电网设备运行状态智能校验方法
CN104459474B (zh) 一种配网故障智能识别方法
KR101285065B1 (ko) 배전계통 관리 시스템 및 방법
CN107609725B (zh) 一种考虑变电站影响的输电网风险评估方法
CN111985653B (zh) 基于知识图谱的电网故障知识推荐与知识管理系统及方法
CN104616092B (zh) 一种基于分布式日志分析的行为模式处理方法
CN110336375A (zh) 一种电网监控告警信息的处理方法及系统
CN103699967A (zh) 基于电网调控一体化的全景信息平台
CN103903075A (zh) 一种基于模糊匹配的保护装置定值自动管理方法
CN113542039A (zh) 一种通过ai算法定位5g网络虚拟化跨层问题的方法
CN103326467A (zh) 一种基于保信主站装置录波信息的保护动作报告实现方法
CN110349048B (zh) 变电站多维数据运行交互控制平台及故障处置方法
CN111768076A (zh) 一种以电网事件为中心的监控告警信号聚类方法
CN110493031A (zh) 一种变电站控制系统网络设备状态在线监测方法
CN104407577A (zh) 基于实时潮流的智能校核防误操作方法
CN105337314A (zh) 一种基于分布式电源黑启动技术的多源协调控制故障处理方法
CN116091030A (zh) 一种基于人工智能的两票管理系统
CN109002901A (zh) 一种省地县一体化电网信息综合管理系统及装置
CN103208089B (zh) 基于方式识别技术的电网智能调度系统及方法
CN109587161A (zh) 智能电网遥控命令传送全过程信息的监测方法
CN108445857B (zh) 一种scada系统的1+n冗余机制设计方法
CN109639529A (zh) 智能变电站遥控命令异常的诊断方法
CN116470591A (zh) 一种变电站管理方法及相关设备
CN113361054B (zh) 电力信息物理系统路由优化方法及系统
CN110223194A (zh) 一种cpr1000型核电站设备分级识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191115

Termination date: 20210310

CF01 Termination of patent right due to non-payment of annual fee