CN110599030B - 一种基于正反特征库加权匹配的电力风险预警方法 - Google Patents
一种基于正反特征库加权匹配的电力风险预警方法 Download PDFInfo
- Publication number
- CN110599030B CN110599030B CN201910852879.5A CN201910852879A CN110599030B CN 110599030 B CN110599030 B CN 110599030B CN 201910852879 A CN201910852879 A CN 201910852879A CN 110599030 B CN110599030 B CN 110599030B
- Authority
- CN
- China
- Prior art keywords
- matching
- feature
- library
- record
- rule
- 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.)
- Active
Links
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于正反特征库加权匹配的电力风险预警方法,包括以下步骤:步骤a、形成相应的历史记录和待预警记录,构造与历史记录和待预警记录参数对应的模式特征库;步骤b、将待预警记录与预定义的模式特征库中的特征规则进行匹配,根据匹配结果计算匹配距离;步骤c、分别形成正向匹配特征规则集RSp和反向匹配特征规则集RSr;步骤d、分别计算正向匹配特征规则集RSp和反向匹配特征规则集RSr的风险指数;步骤e、基于风险指数,计算综合风险指数。本发明提供的一种基于正反特征库加权匹配的电力风险预警方法,能够实时监测记录数据与历史数据模式特征库匹配,准确有效地对特高压接续金具进行故障预警。
Description
技术领域
本发明涉及一种基于正反特征库加权匹配的电力风险预警方法,属于电力数据环境下的特高压线路故障风险鉴别与预警技术领域。
背景技术
在电力设备实际运检环境中,传统人工检修排除特高压线路接续金具故障方法具有许多不足。例如,监测到的设备温度变化大,但是无法分析温度变化规律,但温度偏高时,检修人员赶赴现场却往往没有发现异常,浪费检修人员的人力资源;存在潜在的安全隐患不易被发现,比如设备温度不高,但已经超出当前状态下的正常设备温度范围,却没有相应的分析手段得出,存在巨大的安全隐患。
发明内容
本发明要解决的技术问题是,克服现有技术中传统人工检修的缺陷,提供一种能够实时监测记录数据与历史数据模式特征库匹配,准确有效地对特高压接续金具进行故障预警的基于正反特征库加权匹配的电力风险预警方法。
为解决上述技术问题,本发明采用的技术方案为:
一种基于正反特征库加权匹配的电力风险预警方法,包括以下步骤:
步骤a、采集被监测电力设备的运行参数,形成相应的历史记录和待预警记录,构造与历史记录和待预警记录参数对应的模式特征库;
步骤b、将待预警记录与预定义的模式特征库中的特征规则进行匹配,根据匹配结果计算匹配距离;
步骤c、根据匹配距离,从预建立的正常模式特征库和异常模式特征库中分别提取与待预警记录最接近的k1条正库特征规则与k2条反库特征规则,分别形成正向匹配特征规则集RSp和反向匹配特征规则集RSr;
步骤d、分别计算正向匹配特征规则集RSp和反向匹配特征规则集RSr的风险指数;
步骤e、基于风险指数,计算综合风险指数,若综合风险指数大于预设的异常故障预警阈值,对待预警记录进行异常故障预警。
步骤a中,历史记录和待预警记录的信息记录的格式如下:记录Record={季节S,环境温度Et,环境湿度Eh,电流I,电压V,负载率L,设备温度T};定义模式特征库中的特征规则R如下:{季节S,环境温度范围[Ets,Ete],环境湿度范围[Ehs,Ehe],电流范围[Is,Ie],电压范围[Vs,Ve],负载率范围[Ls,Le],设备温度范围[Ts,Te]}
步骤b中,匹配距离的具体计算方式如下:若存在一条特征规则R,待预警记录record中除了设备温度T以外的任意条件属性均可匹配特征规则R的各属性范围值,则称为完全匹配,完全匹配距离为0;若遍历特征库中所有特征规则R,不存在任意一条特征规则R可与待预警记录record实现完全匹配,则进行不完全匹配,匹配距离的计算方式如下:定义特征规则R中除了设备温度T以外的任一条件属性Ri=[c1,c2],待预警记录对应条件属性di=c,二者距离为
dist(Ri,di)∈[0,1],特征规则R与待预警记录record的距离为
其中,n代表除了季节S和设备温度T外其余参数的总个数。
步骤c的具体步骤为:遍历正常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set1,将Set1按照匹配距离大小升序排序,选取前k1个匹配距离,对应的k1条特征规则作为正库候选特征规则;遍历异常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set2;将Set2按照匹配距离大小升序排序,选取前k2个匹配距离,对应的k2条特征规则作为反库候选特征规则。
步骤d中,对于正向匹配特征规则集RSp,定义正向风险指数为Indexp为
对于反向匹配特征规则集RSr,定义反向风险指数为Indexr为
步骤e中,综合风险指数Index计算方式如下:
Index=w1*Indexp+w2*Indexr, (5)
Indexp,Indexr∈(0,1]
其中w1+w2=1,w1和w2分别代表正向风险指数和反向风险指数的比重。
设定阈值riskth∈[0,1]。
步骤c中,正常模式特征库的获取基于历史数据中未发生异常的数据,剔除个别离群记录,构成正常记录集合,提取相应的模式特征库;异常模式特征库的获取基于历史数据中发生异常的数据,合并未发生异常数据中剔除的离群记录,构成描述异常情况的记录集合,基于异常记录集合,提取相应的模式特征库。
本发明的有益效果:本发明提供一种基于正反特征库加权匹配的电力风险预警方法,基于由历史数据训练获得的正常模式特征库与异常模式特征库,分别计算待预测记录在正/反特征库的匹配规则集合,通过计算综合风险指数,与设定阈值比较,能够为实时监测记录数据提供可靠的异常预测,准确有效地对特高压接续金具进行故障预警。
附图说明
图1为本发明一种基于正反特征库加权匹配的电力风险预警方法的流程图;
图2为本发明中模式特征库中的特征规则定义图。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,本发明为响应运检智能化发展需要,为特高压接续金具故障预警提供技术支持,应用于实际运检环境中的故障预警。提供一种基于正反特征库加权匹配的电力风险预警方法,包括以下步骤:
步骤一,假设已经基于历史信息记录分别建立了正常模式特征库与异常模式特征库。正常模式特征库的获取方法:基于历史数据中未发生异常的数据,剔除个别离群记录,构成具有普遍意义、通用的记录集合;基于正常记录集合,提取相应的模式特征库。异常模式特征库的获取方法:基于历史数据中发生异常的数据,合并未发生异常数据中剔除的离群记录,构成描述异常情况的记录集合;基于异常记录集合,提取相应的模式特征库。正常模式库与异常模式库中的特征规则具有相同的格式。
定义历史记录和待预警记录的信息记录的格式如下:记录Record={季节S,环境温度Et,环境湿度Eh,电流I,电压V,负载率L,设备温度T}。如图2所示,定义模式特征库中的特征规则R如下:{季节S,环境温度范围[Ets,Ete],环境湿度范围[Ehs,Ehe],电流范围[Is,Ie],电压范围[Vs,Ve],负载率范围[Ls,Le],设备温度范围[Ts,Te]}。
步骤二、定义匹配距离:若存在一条特征规则R,待预警记录record中除了设备温度T以外的任意条件属性均可匹配特征规则R的各属性范围值,则称为完全匹配,完全匹配距离为0。record的任意属性均落在特征规则相应属性范围内,因此record与特征规则完全匹配,完全匹配距离为0。若遍历特征库中所有特征规则R,不存在任意一条特征规则R可与待预警记录record实现完全匹配,则进行不完全匹配,计算匹配距离,匹配距离的计算方式如下:定义特征规则R中除了设备温度T以外的任一条件属性Ri=[c1,c2],待预警记录对应条件属性di=c,二者距离为
dist(Ri,di)∈[0,1],特征规则R与待预警记录record的距离为
其中,n代表除了季节S和设备温度T外其余参数的总个数。
例如正向特征库包含以下几条规则:
反向特征库包含以下几条规则:
(2)对于实时监测记录数据recordps,分别与正库、反库匹配,若无法完全匹配,则进行不完全匹配,计算匹配距离。例如给定recordps如下:
匹配过程中发现recordps与正库的2号特征规则完全匹配,此时不再需要进行不完全匹配。通过比对recordps的设备温度与2号特征规则的设备温度,可以发现recordps的设备温度落在规则温度范围内,因此不需要发出告警。
(3)对于实时监测记录数据recordng,分别与正库反库匹配,例如给定recordng如下:
匹配过程发现recordng无法完全匹配到正库与反库的任意一条规则,因此需要进行不完全匹配计算,分为以下两个部分:
第一步,计算不完全匹配规则集。recordng与正库中规则1、规则2的距离分别为:
步骤三、根据匹配距离,从正常模式特征库和异常模式特征库中分别提取与待预测记录最接近的k1条正库特征规则与k2条反库特征规则,分别形成正向匹配特征规则集RSp和反向匹配特征规则集RSr。具体步骤为:遍历正常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set1,将Set1按照匹配距离大小升序排序,选取前k1个匹配距离,对应的k1条特征规则作为正库候选特征规则;遍历异常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set2;将Set2按照匹配距离大小升序排序,选取前k2个匹配距离,对应的k2条特征规则作为反库候选特征规则。若设置k1为1,则正库不完全匹配的候选规则集合为{规则2}。
反库不完全匹配的候选规则集合计算方法与正库相同,由于案例中反库仅给出一条规则,因此反库候选规则集合为{规则1}。
步骤四、定义正向匹配特征规则集RSp和反向匹配特征规则集RSr的风险指数,然后进行风险指数计算;对于正向匹配特征规则集RSp,定义正向风险指数为Indexp为
对于反向匹配特征规则集RSr,定义反向风险指数为Indexr为
其中,|RSp|和|RSr|分别代表正向匹配特征规则集RSp的大小和反向匹配特征规则集RSr的大小。
步骤五、基于风险指数,计算综合风险指数,将综合风险指数与阈值进行比较,综合风险指数大于阈值时,待预警记录进行异常故障预警。
设定w1=0.6,w2=0.4,综合风险指数Index计算方式如下:
Index=w1*Indexp++w2*Indexr=w1+w2=1 (5)
Indexp,Indexr∈(0,1]
其中w1+w2=1,w1和w2分别代表正向风险指数和反向风险指数的比重;设定阈值riskth=0.5。Index>riskth,需要异常预警。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:包括以下步骤:
步骤a、采集被监测电力设备的运行参数,形成相应的历史记录和待预警记录,构造与历史记录和待预警记录参数对应的模式特征库;步骤b、将待预警记录与预定义的模式特征库中的特征规则进行匹配,根据匹配结果计算匹配距离;
步骤c、根据匹配距离,从预建立的正常模式特征库和异常模式特征库中分别提取与待预警记录最接近的k1条正库特征规则与k2条反库特征规则,分别形成正向匹配特征规则集RSp和反向匹配特征规则集RSr;
步骤d、分别计算正向匹配特征规则集RSp和反向匹配特征规则集RSr的风险指数;
步骤e、基于风险指数,计算综合风险指数,若综合风险指数大于预设的异常故障预警阈值,对待预警记录进行异常故障预警。
2.根据权利要求1所述的一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:步骤a中,历史记录和待预警记录的信息记录的格式如下:记录Record={季节S,环境温度Et,环境湿度Eh,电流I,电压V,负载率L,设备温度T};定义模式特征库中的特征规则R如下:{季节S,环境温度范围[Ets,Ete],环境湿度范围[Ehs,Ehe],电流范围[Is,Ie],电压范围[Vs,Ve],负载率范围[Ls,Le],设备温度范围[Ts,Te]}。
3.根据权利要求2所述的一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:步骤b中,匹配距离的具体计算方式如下:若存在一条特征规则R,待预警记录record中除了设备温度T以外的任意条件属性均可匹配特征规则R的各属性范围值,则称为完全匹配,完全匹配距离为0;若遍历特征库中所有特征规则R,不存在任意一条特征规则R可与待预警记录record实现完全匹配,则进行不完全匹配,匹配距离的计算方式如下:定义特征规则R中除了设备温度T以外的任一条件属性Ri=[c1,c2],待预警记录对应条件属性di=c,二者距离为
dist(Ri,di)∈[0,1],特征规则R与待预警记录record的距离为
其中,n代表除了季节S和设备温度T外其余参数的总个数。
4.根据权利要求1所述的一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:步骤c的具体步骤为:遍历正常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set1,将Set1按照匹配距离大小升序排序,选取前k1个匹配距离,对应的k1条特征规则作为正库候选特征规则;遍历异常模式特征库中所有的特征规则,计算每一条特征规则与record的匹配距离,获得匹配距离集合Set2;将Set2按照匹配距离大小升序排序,选取前k2个匹配距离,对应的k2条特征规则作为反库候选特征规则。
7.根据权利要求6所述的一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:设定阈值riskth∈[0,1]。
8.根据权利要求1所述的一种基于正反特征库加权匹配的电力风险预警方法,其特征在于:步骤c中,正常模式特征库的获取基于历史数据中未发生异常的数据,剔除个别离群记录,构成正常记录集合,提取相应的模式特征库;异常模式特征库的获取基于历史数据中发生异常的数据,合并未发生异常数据中剔除的离群记录,构成描述异常情况的记录集合,基于异常记录集合,提取相应的模式特征库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910852879.5A CN110599030B (zh) | 2019-09-10 | 2019-09-10 | 一种基于正反特征库加权匹配的电力风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910852879.5A CN110599030B (zh) | 2019-09-10 | 2019-09-10 | 一种基于正反特征库加权匹配的电力风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110599030A CN110599030A (zh) | 2019-12-20 |
CN110599030B true CN110599030B (zh) | 2022-06-07 |
Family
ID=68858486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910852879.5A Active CN110599030B (zh) | 2019-09-10 | 2019-09-10 | 一种基于正反特征库加权匹配的电力风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599030B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819411A (zh) * | 2010-03-17 | 2010-09-01 | 燕山大学 | 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法 |
CN106779505A (zh) * | 2017-02-28 | 2017-05-31 | 中国南方电网有限责任公司 | 一种基于大数据驱动的输电线路故障预警方法及系统 |
CN108243060A (zh) * | 2017-01-19 | 2018-07-03 | 上海直真君智科技有限公司 | 一种基于大数据预分类的网络安全告警风险判定方法 |
-
2019
- 2019-09-10 CN CN201910852879.5A patent/CN110599030B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819411A (zh) * | 2010-03-17 | 2010-09-01 | 燕山大学 | 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法 |
CN108243060A (zh) * | 2017-01-19 | 2018-07-03 | 上海直真君智科技有限公司 | 一种基于大数据预分类的网络安全告警风险判定方法 |
CN106779505A (zh) * | 2017-02-28 | 2017-05-31 | 中国南方电网有限责任公司 | 一种基于大数据驱动的输电线路故障预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110599030A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647539A (zh) | 一种用于车辆故障的预测方法和系统 | |
US11361423B2 (en) | Artificial intelligence-based process and system for visual inspection of infrastructure | |
CN111610407B (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
CN109697455B (zh) | 配网开关设备的故障诊断方法及装置 | |
CN115372816B (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
CN115796610A (zh) | 一种支管成型系统运行综合监测方法、系统及存储介质 | |
CN110599030B (zh) | 一种基于正反特征库加权匹配的电力风险预警方法 | |
CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理系统 | |
CN116032003A (zh) | 一种基于电力专网数据处理的电网巡检方法及系统 | |
CN109828146B (zh) | 一种通过设备电参数ad采样判断设备工况的方法 | |
CN113837178A (zh) | 一种基于深度学习的变电站表计自动定位与统一分割方法 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
CN114895115B (zh) | 特高压直流控保系统中基于启发式搜索分析的故障预测方法 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
CN116756619B (zh) | 一种基于大数据的设备智能诊断方法及系统 | |
Chen et al. | Intelligent Identification of Transmission Line Defects Based on Fast Neural Network Model | |
CN117034172B (zh) | 一种电力作业现场违章识别系统及其应用 | |
CN110633874B (zh) | 一种变电站二次设备状态监测方法及可读存储介质 | |
CN104808652A (zh) | 化工装置运行状态评分方法 | |
CN115639797A (zh) | 一种嵌入式路灯控制器的边缘端故障分析系统及方法 | |
CN115423034A (zh) | 基于注意力机制的控保系统报警信息分类方法及装置 | |
CN117639267A (zh) | 基于人工智能技术的电网调控系统稳态信息传输异常检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |