CN114398947A - 一种基于专家系统的电网故障自动分类的方法及系统 - Google Patents
一种基于专家系统的电网故障自动分类的方法及系统 Download PDFInfo
- Publication number
- CN114398947A CN114398947A CN202111511571.8A CN202111511571A CN114398947A CN 114398947 A CN114398947 A CN 114398947A CN 202111511571 A CN202111511571 A CN 202111511571A CN 114398947 A CN114398947 A CN 114398947A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- classification
- power grid
- module
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Abstract
本发明公开了一种基于专家系统的电网故障自动分类的方法及系统,包括:采集电网故障自动分类数据源的数据,并对数据进行数据预处理;利用故障分类模块对预处理后的数据进行自动分类处理;构建故障处置预案知识库,根据处理结果智能分析生成故障处置预案;利用故障核验模块对故障处置预案进行校核,并通过故障通知模块对校核结果进行可视化展示和通知。本发明对故障设备或故障原因进行精准分析定位,帮助调度人员脱离面对复杂海量电网故障无法快速定位故障类别、无法准确快速给出故障处置预案的困境,提高已有电网调度运行故障分类识别的可靠性,为调度人员提供专业的故障识别及故障处置预案决策支持。
Description
技术领域
本发明涉及电网调度自动化控制的技术领域,尤其涉及一种基于专家系统的电网故障自动分类的方法及系统。
背景技术
近年来为实现“双碳”目标,大规模新能源、电动汽车、储能、分布式电源等交互式设备大量接入电网。电力系统呈现高比例的新能源、电力电子化,电力系统在稳定运行方面、电网运行管理方面都提出了更高的要求。在新型电力系统背景下,电网运行中面对的故障问题种类会更加复杂多样化,故障信息量也会更加巨大。
电网故障处理的及时性和准确性是电网安全运行的重要保障,目前,电网系统的安全运行主要还是依赖于调度人员,对于故障告警的监测缺乏有效的自动分类,这对调度人员的经验和知识积累都提出了超高的要求。当出现重大紧急突发事故或者复杂故障时,调度人员需要根据监控中心接收到故障告警通知,人工分析判断故障类型和原因,然后查阅电网接线和各种已有的处置预案,耗时费力,很难快速高效决策提出处置预案,更加保障不了处置预案的实时性、最优合理性,从而间接或者直接对电网造成不利影响。
随着电网数字化、信息化、智能化的发展,对故障处置也提出了更高的要求,目前已有的调度自动化水平不足以满足电网故障自动分类及处置的需求,亟需一种高度智能化的针对电网故障自动识别分析诊断决策的方法及系统。电网故障处置一是要达到对故障设备或者故障原因进行精准分析定位的目的,要求准确性高;二是达到对分类故障给予尽可能高效、科学合理的处置预案的目的,要求高效性、科学合理性。目前,故障告警分类处置也有不少研究成果,基本都是从某个监控系统获取告警信号或状态信息,通过预设的告警分类及处置方案,判断告警类别,找到对应处置方案,并进行通知或可视化展示。分类的数据依据比较片面,有很大局限性,分类的准确性和可靠性也仍有待进一步提升。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:目前已有的调度自动化水平不足以满足电网故障自动分类及处置的需求,分类的数据依据也比较片面,有很大局限性,分类的准确性和可靠性仍有待进一步提升,亟需一种高度智能化的针对电网故障自动识别分析诊断决策的方法及系统。
为解决上述技术问题,本发明提供如下技术方案:采集电网故障自动分类数据源的数据,并对所采集的数据进行数据预处理;利用故障分类模块200对预处理后的数据进行自动分类处理;构建故障处置预案知识库,根据自动分类处理结果智能分析生成故障处置预案;利用故障核验模块400对故障处置预案进行校核,并通过故障通知模块500对校核结果进行可视化展示和通知。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中电网故障自动分类数据源包括:SCADA web系统提供电网运行数据、告警信息数据、一次设备测点、历史量测数据;自动化文件服务器同步采集实时遥测、遥信数据及主网场站接线图数据;主网OMS系统提供月检修计划数据、检修计划执行情况数据;调度指挥控制系统提供操作序列数据;营销回流数据库及配网GIS图模数据为系统提供线变户关系数据。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中数据预处理的步骤包括:根据过滤规则对采集数据进行初步过滤筛选,剔除无效、缺失、重复的数据信息,识别并剔除异常数据;利用关联规则实现对不同系统平台的数据的整理,解决数据分布性和异构性的问题,并对集合后的数据进行适当的转换。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中构建故障分类知识库包括,通过专家知识经验构建多个不同电网故障类型的故障模型,实时监控电网数据源,并判断数据源所属的故障模型;利用过滤关键字将海量源数据中的无关数据进行过滤并判断故障类型;利用动作类型维护来维护专家知识库,当有新故障类型时,动作类型维护将新故障类型知识添加到故障分类知识库中。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中故障分类模块200对电网故障信息自动分类处理的流程包括:基于数据预处理形成的正确规范的模型训练数据集,对训练数据进行深入的数据挖掘生成故障类别知识以及知识的规则表达;将生成的知识加入到故障分类知识库中构建故障分类专家系统,并利用故障分类专家系统对预处理后的故障数据进行智能分析、识别和判定故障类别。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中构建故障分类专家系统包括:利用推理机模拟专家的诊断思想,推理机在故障发生时,对故障分类知识库中的故障类别知识进行识别判断,回溯定位故障源头;利用解释器对专家系统整个推理过程进行解释说明并展示。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中构建故障处置预案知识库包括:通过海量的历史电网故障的成功处置案例进行构建;通过行业专家的经验知识进行构建;一个故障处置预案知识对应一种电网故障类别。
作为本发明所述的基于专家系统的电网故障自动分类的方法,其中故障处置预案进行核验包括:系统自校核,通过GIS图模解析技术对网架结构进行智能分析,判断故障处置预案是否会造成电网运行异常、重过载;人工校核,调度人员通过人工经验对智能生成的故障处置进行人工检查;若需要人工调整,则将调整后的故障处置预案作为故障处置预案新知识添加到故障处置预案知识库中。
为解决上述技术问题,本发明还提供了一种基于专家系统的电网故障自动分类系统:故障数据采集处理模块100,故障数据采集处理模块100用于采集来自多个系统或平台的监测数据,并对所采集的数据进行数据预处理;故障分类模块200,与故障数据采集处理模块100相连接,用于对经过故障数据采集处理模块100预处理后的故障数据进行分析、识别并进行自动分类处理;故障预案决策模块300,与故障分类模块200相连接,用于智能生成合理的故障处置预案;故障核验模块400,与故障预案决策模块300相连接,用于对故障处置预案进行校核,并通过故障通知模块500将故障类别及故障处置预案的分析过程进行可视化展示和通知。
本发明的有益效果:对故障设备或者故障原因进行精准分析定位,帮助调度人员脱离面对复杂海量电网故障无法快速定位故障类别、无法准确快速给出故障处置预案的困境,改善提高已有电网故障的分类识别的可靠性,为调度人员提供专业的故障识别及故障处置预案决策支持,对分类故障给予高效、科学合理的处置预案,提高电网调度运行的稳定性、可靠性及科学性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的电网故障自动分类方法及系统构成示意图;
图2为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的电网故障信息自动分类处理流程示意图;
图3为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的故障分类专家系统架构示意图;
图4为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的故障诊断实验效率对比分析示意图;
图5为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的电网实验故障处理耗时效果对比示意图;
图6为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的电压故障复电时间效果对比示意图;
图7为本发明一个实施例提供的一种基于专家系统的电网故障自动分类的方法及系统的模块结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~3,为本发明的一个实施例,提供了一种基于专家系统的电网故障自动分类的方法,包括:
S1:采集电网故障自动分类数据源的数据,并对所采集的数据进行数据预处理。
需要说明的是,电网故障自动分类数据源包括:SCADA web系统提供电网运行数据、告警信息数据、一次设备测点、历史量测数据,自动化文件服务器同步采集实时遥测、遥信数据及主网场站接线图数据,主网OMS系统提供月检修计划数据、检修计划执行情况数据,调度指挥控制系统提供操作序列数据,营销回流数据库及配网GIS图模数据为系统提供线变户关系数据;
数据预处理的步骤包括:根据过滤规则对采集数据进行初步过滤筛选,剔除无效、缺失、重复的数据信息,识别并剔除异常数据;利用关联规则实现对不同系统平台的数据的整理,解决数据分布性和异构性的问题,并对集合后的数据进行适当的转换。
S2:利用故障分类模块200对预处理后的数据进行自动分类处理。
需要说明的是,故障分类模块200通过数据预处理形成正确规范的模型训练数据集,并对训练数据进行深入的数据挖掘生成故障类别知识以及知识的规则表达,将生成的知识加入到故障分类知识库中构建的故障分类专家系统,并利用故障分类专家系统对预处理后的故障数据进行智能分析、识别和判定故障类别。
构建故障分类专家系统包括:解释器对专家系统整个推理过程进行解释说明并展示;推理机是故障诊断专家系统的核心元素,模拟专家的诊断思想,推理机在故障发生时,采用策略调用故障分类知识库中故障类别知识,对故障类别进行识别判断,回溯定位故障源头。
故障分类专家系统对故障数据进行智能分析,以故障分类知识库作为依据进行模拟推理,最后给出故障的类别,知识库的知识和数据量决定专家系统的性能;
构建故障分类知识库包括:通过专家知识经验构建多个不同电网故障类型的故障模型,实时监控电网数据源,并判断数据源所属的故障模型;利用过滤关键字将海量源数据中的无关数据进行过滤并判断故障类型;利用动作类型维护来维护专家知识库,当有新故障类型时,动作类型维护将新故障类型知识添加到故障分类知识库中。
故障分类知识库是关于电网故障的专家经验的程序化,通过将专家知识经验总结成相应的电网故障模型,实时监控电网数据源(SOE报文或其他形式的数据集),同时判断数据源属于哪一故障模型,故障分类知识库包括过滤关键字、判据关键字以及动作类型维护:
过滤关键字是在海量源数据中过滤无关数据,减少系统分析数据量,减轻系统负担,提供系统响应时间,将源数据进行过滤后作为故障分类分析的数据;
判据关键字是判断故障类型,例如判断关键字“馈一”,分析源数据是否包含“馈一”关键字,若有,则进入“馈一”逻辑判断流程;
动作类型维护是维护专家知识库,当有新故障类型时,将新故障类型知识添加到故障分类知识库中。
S3:构建故障处置预案知识库,根据自动分类处理结果智能分析生成故障处置预案。
需要说明的是,利用故障处置预案知识库进行故障预案决策分析,故障处置预案知识库为故障处置提供辅助决策,智能生成故障处置预案,构建故障预案知识库的知识来源一方面是历史电网故障的成功处置案例,另一方面是行业专家的经验知识。
S4:利用故障分类专家系统对经过预处理后的故障数据进行故障自动分类。
需要说明的是,故障分类以线路跳闸事件为例,数据源类型可以存储成适合分析的类型,根据电网故障的专家知识及经验,确定线路跳闸故障的判据关键字包括“kV”、“线”、“保护”、“重合闸”、“断开”、“闭合”、“A相”、“B相”、“C相”、“断开”、“闭合”、“主变”、“开关”。
线路跳闸故障类别知识及知识表达,以判据关键字的判断条件以及判断条件之间的逻辑关系,构成某个故障类别知识模型的逻辑判断流程,以下述13种线路跳闸故障类别为例,给出线路跳闸故障类别知识以及知识表达,每个线路跳闸故障是独立事件,具有互斥性,不存在一个故障同时属于两个不同的线路跳闸故障事件,线路跳闸故障可分为:
(1)线路跳闸,重合不成功:
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(断开==2)AND(闭合==1)AND(A相==0)AND(B相==0)AND(C相==0)AND(主变==0);
(2)线路跳闸,重合成功(A相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND((A相开关断开≥1)OR(开关A相断开≥1)AND(A相开关闭合≥1)OR(开关A相闭合≥1)AND(主变==0)AND(B相==0)AND(C相==0);
(3)线路跳闸,重合成功(B相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(B相开关断开≥1)OR(开关B相断开≥1)AND(B相开关闭合≥1)OR(开关B相闭合≥1)AND(主变==0)AND(A相==0)AND(C相==0);
(4)线路跳闸,重合成功(C相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(C相开关断开≥1)OR(开关C相断开≥1)AND(C相开关闭合≥1)OR(开关C相闭合≥1)AND(主变==0)AND(A相==0)AND(B相==0);
(5)线路跳闸,重合成功(相间故障):
(kV≥1)AND(线≥1)AND(保护≥1)AND(A相开关断开≥1)OR(开关A相断开≥1)AND(B相开关断开≥1)OR(开关B相断开≥1)AND(C相开关断开≥1)OR(开关C相断开≥1)AND(主变==0)AND(闭合==0)AND(重合闸==1);
(6)线路跳闸(相间故障):
(kV≥1)AND(线≥1)AND(保护≥1)AND((A相开关断开≥1)OR(开关A相断开≥1))AND((B相开关断开≥1)OR(开关B相断开≥1))AND((C相开关断开≥1)OR(开关C相断开≥1))AND(主变==0)AND(闭合==0)AND(重合闸==0);
(7)线路跳闸,重合不成功(A相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(((A相开关断开≥2)OR(开关A相断开≥2))AND((A相开关闭合≥1)OR(开关A相闭合≥1)))AND(((B相开关断开≥1)OR(开关B相断开≥1))AND((B相开关闭合==0)OR(开关B相闭合==0)))AND(((C相开关断开≥1)OR(开关C相断开≥1))AND((C相开关闭合==0)OR(开关C相闭合==0)))AND(主变==0);
(8)线路跳闸,重合不成功(B相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(((B相开关断开≥2)OR(开B相断开≥2))AND((B相开关闭合≥1)OR(开关B相闭合≥1)))AND((A相开关断开≥1)OR(开关A相断开≥1))AND((A相开关闭合==0)OR(开关A相闭合==0))AND(((C相开关断开≥1)OR(开关C相断开≥1))AND((C相开关闭合==0)OR(开关C相闭合==0)))AND(主变==0);
(9)线路跳闸,重合不成功(C相):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(((C相开关断开≥2)OR(开关C相断开≥2))AND((C相开关闭合≥1)OR(开关C相闭合≥1))AND((A相开关断开≥1)OR(开关A相断开≥1))AND((A相开关闭合==0)OR(开关A相闭合==0))AND(((B相开关断开≥1)OR(开关B相断开≥1))AND((B相开关闭合==0)OR(开关B相闭合==0)))AND(主变==0);
(10)线路跳闸,重合成功:
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸≥1)AND(断开==1)AND(闭合==1)AND(A相==0)AND(B相==0)AND(C相==0)AND(主变==0);
(11)线路跳闸,重合不成功(无保护报文):
(kV≥1)AND(线≥1)AND(保护==0)AND(重合闸≥1)AND(断开==2)AND(闭合==1)AND(A相==0)AND(B相==0)AND(C相==0)AND(主变==0);
(12)线路跳闸,重合成功(无保护报文):
(kV≥1)AND(线≥1)AND(保护==0)AND(重合闸≥1)AND(断开==1)AND(闭合==1)AND(A相==0)AND(B相==0)AND(C相==0)AND(主变==0);
(13)线路跳闸未重合(无保护报文):
(kV≥1)AND(线≥1)AND(保护≥1)AND(重合闸==0)AND(断开==1)AND(闭合==0)AND(A相==0)AND(B相==0)AND(C相==0)AND(主变==0);
推理机根据上述线路跳闸故障类别知识的逻辑表达,结合输入的报文数据进行逻辑推理,根据提取的判据关键字,以及计算的逻辑结果,判断哪个线路跳闸故障类别的逻辑过程结果为TRUE,如果为TRUE,则判断为此线路跳闸故障类别,解释器则将推理机的整个推理过程进行保存,便于用户进行查看,定位问题。
S5:利用故障核验模块400对故障处置预案进行校核,并通过故障通知模块500对校核结果进行可视化展示和通知。
需要说明的是,故障处置预案进行核验的步骤包括:系统自校核,通过GIS图模解析技术对网架结构进行智能分析,判断故障处置预案是否会造成电网运行异常、重过载;人工校核,调度人员通过人工经验对智能生成的故障处置进行人工检查;若需要人工调整,则将调整后的故障处置预案作为故障处置预案新知识添加到故障处置预案知识库中。
故障通知模块500的作用包括:将故障类别以及故障处置预案发送到指定的系统平台及相关调度人员;将故障类别及故障处置预案的分析过程采用数字孪生或普通进行可视化展示、消息提醒或短息通知方式。
本发明可对故障设备或者故障原因进行精准分析定位,帮助调度人员脱离面对复杂海量电网故障无法快速定位故障类别、无法准确快速给出故障处置预案的困境,改善提高已有电网故障的分类识别的可靠性,为调度人员提供专业的故障识别及故障处置预案决策支持,对分类故障给予高效、科学合理的处置预案,提高电网调度运行的稳定性、可靠性及科学性。
实施例2
参照图4~6为本发明另一个实施例,该实施例不同于第一个实施例的是,提供了一种基于专家系统的电网故障自动分类的方法及系统的验证测试,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
本实施例以某供电局2021年4月20日上午6:45—8:30之间接收到万余条数据作为分析数据源,其中包含72起电网故障事件。
如图4所示,采用本发明的电网故障分析方法及系统,可快速识别全部电网故障,没有遗漏,传统调控人员以人工经验诊断,近1/3的故障事件会堆积无法处理,故障报文处理效果得到极大提升;
如图5所示,电网故障自动分类系统实现了将电网故障识别分类以及自动生成电网故障处置预案,处理时间仅为10秒,而调度员处理同样的流程,平均需要360秒,在处理时间上得到大幅度下降;
如图6所示,以中压故障和低压故障为例,当出现中压故障或低压故障时,需要对电网故障影响的线路、台区进行故障定位,然后确定故障处置预案,比如进行停电检修、转供电处理,最终达到用户快速复电,采用本发明的电网故障自动分类系统之前,整个处理流程需要人工调度处理,时间较长;采用本发明的电网故障自动分类系统后,中压及低压故障平均复电时间分别下降了25%,27%,极大提升了供电可靠性,故障恢复时间得到了极大缩短。
实施例3
参照图7示意为本实施例提出的一种基于专家系统的电网故障自动分类的系统,上述基于专家系统的电网故障自动分类的方法能够依托于本系统实现。
具体的,该系统包括故障数据采集处理模块100、故障分类模块200、故障预案决策模块300、故障核验模块400、故障通知模块500,其中故障数据采集处理模块100用于采集来自多个系统或平台的监测数据,并对所采集的数据进行数据预处理;故障分类模块200用于对经过故障数据采集处理模块100预处理后的故障数据进行分析、识别并进行自动分类处理;故障预案决策模块300用于智能生成合理的故障处置预案;故障核验模块400用于对故障处置预案进行校核;故障通知模块500用于将故障类别及故障处置预案的分析过程进行可视化展示和通知。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于专家系统的电网故障自动分类的方法,其特征在于,包括:
采集电网故障自动分类数据源的数据,并对所采集的数据进行数据预处理;
利用故障分类模块(200)对所述预处理后的数据进行自动分类处理;
构建故障处置预案知识库,根据自动分类处理结果智能分析生成故障处置预案;
利用故障核验模块(400)对所述的故障处置预案进行校核,并通过故障通知模块(500)对校核结果进行可视化展示和通知。
2.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:所述电网故障自动分类数据源包括,
SCADA web系统提供电网运行数据、告警信息数据、一次设备测点、历史量测数据;
自动化文件服务器同步采集实时遥测、遥信数据及主网场站接线图数据;
主网OMS系统提供月检修计划数据、检修计划执行情况数据;
调度指挥控制系统提供操作序列数据;
营销回流数据库及配网GIS图模数据为系统提供线变户关系数据。
3.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:所述数据预处理的步骤包括,
根据过滤规则对采集数据进行初步过滤筛选,剔除无效、缺失、重复的数据信息,识别并剔除异常数据;
利用关联规则实现对不同系统平台的数据的整理,解决数据分布性和异构性的问题,并对集合后的数据进行适当的转换。
4.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:构建所述故障分类知识库包括,
通过专家知识经验构建多个不同电网故障类型的故障模型,实时监控所述电网数据源,并判断数据源所属的故障模型;
利用过滤关键字将海量源数据中的无关数据进行过滤并判断故障类型;
利用动作类型维护来维护专家知识库,当有新故障类型时,动作类型维护将新故障类型知识添加到故障分类知识库中。
5.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:所述故障分类模块(200)对电网故障信息自动分类处理的流程包括,
基于所述数据预处理形成的正确规范的模型训练数据集,对训练数据进行深入的数据挖掘生成故障类别知识以及知识的规则表达;
将生成的知识加入到故障分类知识库中构建故障分类专家系统,并利用所述故障分类专家系统对预处理后的故障数据进行智能分析、识别和判定故障类别。
6.如权利要求5所述的基于专家系统的电网故障自动分类的方法,其特征在于:构建所述故障分类专家系统包括,
利用推理机模拟专家的诊断思想,推理机在故障发生时,对故障分类知识库中的故障类别知识进行识别判断,回溯定位故障源头;
利用解释器对专家系统整个推理过程进行解释说明并展示。
7.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:构建所述故障处置预案知识库包括,
通过海量的历史电网故障的成功处置案例进行构建;
通过行业专家的经验知识进行构建;
一个故障处置预案知识对应一种电网故障类别。
8.如权利要求1所述的基于专家系统的电网故障自动分类的方法,其特征在于:对所述故障处置预案进行核验的步骤包括,
系统自校核,通过GIS图模解析技术对网架结构进行智能分析,判断故障处置预案是否会造成电网运行异常、重过载;
人工校核,调度人员通过人工经验对智能生成的故障处置进行人工检查;
若需要人工调整,则将调整后的故障处置预案作为故障处置预案新知识添加到故障处置预案知识库中。
9.一种基于专家系统的电网故障自动分类的系统,其特征在于,包括:
故障数据采集处理模块(100),所述故障数据采集处理模块(100)用于采集来自多个系统或平台的监测数据,并对所采集的数据进行数据预处理;
故障分类模块(200),与所述故障数据采集处理模块(100)相连接,用于对经过所述故障数据采集处理模块(100)预处理后的故障数据进行分析、识别并进行自动分类处理;
故障预案决策模块(300),与所述故障分类模块(200)相连接,用于智能生成合理的故障处置预案;
故障核验模块(400),与所述故障预案决策模块(300)相连接,用于对故障处置预案进行校核,并通过故障通知模块(500)将故障类别及故障处置预案的分析过程进行可视化展示和通知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111511571.8A CN114398947A (zh) | 2021-12-06 | 2021-12-06 | 一种基于专家系统的电网故障自动分类的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111511571.8A CN114398947A (zh) | 2021-12-06 | 2021-12-06 | 一种基于专家系统的电网故障自动分类的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114398947A true CN114398947A (zh) | 2022-04-26 |
Family
ID=81226396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111511571.8A Pending CN114398947A (zh) | 2021-12-06 | 2021-12-06 | 一种基于专家系统的电网故障自动分类的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114398947A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270664A (zh) * | 2023-11-23 | 2023-12-22 | 深圳市蓝鲸智联科技股份有限公司 | 一种基于汽车智能存储芯片复位系统 |
-
2021
- 2021-12-06 CN CN202111511571.8A patent/CN114398947A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270664A (zh) * | 2023-11-23 | 2023-12-22 | 深圳市蓝鲸智联科技股份有限公司 | 一种基于汽车智能存储芯片复位系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112803592B (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
CN112910089A (zh) | 一种变电站二次设备故障逻辑可视化方法及系统 | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN102866313A (zh) | 电力隧道电缆运行状态综合监控方法 | |
CN107798395A (zh) | 一种电网事故信号自动诊断方法及系统 | |
CN110349048B (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
CN113472079B (zh) | 配电站运维监控云机器人系统、后台处理及作业任务方法 | |
CN113191687B (zh) | 一种弹性配电网全景信息可视化方法及系统 | |
CN111667143A (zh) | 电网调度实时监测数据与业务管理数据融合的实现方法 | |
CN112492567A (zh) | 一种应急指挥通信中的故障分析和解决方法及装置 | |
CN106651198A (zh) | 一种电网事故辅助处理方法及其系统 | |
CN115456410A (zh) | 一种电网风险的评估方法及评估系统 | |
CN114398947A (zh) | 一种基于专家系统的电网故障自动分类的方法及系统 | |
CN103530708A (zh) | 一种输配电设备隐患排查信息管理与决策支持系统 | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及系统 | |
CN113409162A (zh) | 一种基于智能事件处理的集控站设备监控系统及控制方法 | |
CN112328662A (zh) | 一种调度自动化系统集中式数据采集故障智能诊断方法 | |
CN109741653B (zh) | 一种基于推理的智能电力故障应急处理培训仿真方法 | |
CN116468243A (zh) | 一种基于监控运行数据的电网趋势预警方法 | |
CN106199251A (zh) | 一种基于自适应建模分析的配电网故障预警系统及方法 | |
CN114925866A (zh) | 低压配网线路中的辅助决策装置、故障报警方法及系统 | |
Tang et al. | A Bayesian network approach for human reliability analysis of power system | |
CN114626440A (zh) | 一种监控信号的对象化分析方法及装置 | |
CN107977774A (zh) | 一种故障后电网薄弱环节自动识别的方法 | |
CN116957531A (zh) | 基于状态感知的轨道交通智慧运维系统及方法 |
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 |