CN116523294A - 基于知识图谱的电网风险预警及决策系统、方法及设备 - Google Patents
基于知识图谱的电网风险预警及决策系统、方法及设备 Download PDFInfo
- Publication number
- CN116523294A CN116523294A CN202310244547.5A CN202310244547A CN116523294A CN 116523294 A CN116523294 A CN 116523294A CN 202310244547 A CN202310244547 A CN 202310244547A CN 116523294 A CN116523294 A CN 116523294A
- Authority
- CN
- China
- Prior art keywords
- power grid
- risk
- map
- graph
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010276 construction Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 230000005856 abnormality Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims description 42
- 238000011176 pooling Methods 0.000 claims description 21
- 238000012800 visualization Methods 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 230000008439 repair process Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000003475 lamination Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 7
- 230000006698 induction Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/06—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及一种基于知识图谱的电网风险预警及决策系统、方法及设备，该系统包括数据采集模块、图谱构建模块和预警及辅助模块；数据采集模块用于采集电力系统的电力数据；图谱构建模块用于根据电力数据构建关系知识图谱；预警及辅助模块用于对电网异常信号图谱的设备异常告警信号进行合并得到电力系统故障的风险预判；以电网异常信号作为触发条件，根据电网知识底座图谱和电网风险图谱及基于专家故障处理知识图谱生成故障处置预案。该系统通过数据采集模块采集电力数据，图谱构建模块根据电力数据构建关系知识图谱，预警及辅助模块实现对电力数据的智能告警以及对风险的预判并输出故障处置预案，为风险管控提供有力的支撑服务。
Description
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于知识图谱的电网风险预警及决策系统、方法及设备。
背景技术
目前电网的风险主要依靠人工方式进行预测判断，例如发布风险预警通知书等方式，需要一种面向整个电网的风险感知、预警的方法。在电力系统中，各类别的电网风险经过电力监控系统采集后，缺乏整体关联性的关注与推断，数据呈现不同程度的“数据孤岛”情况，电力海量数据的价值难以为风险管控提供有力的支撑服务。
发明内容
本发明实施例提供了一种基于知识图谱的电网风险预警及决策系统、方法及设备，用于解决现有电网风险是采用人工方式根据电力监控系统采集电力数据进行预测判断的，此方式效率低且耗费人力的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
一种基于知识图谱的电网风险预警及决策系统，包括数据采集模块、图谱构建模块和预警及辅助模块；
所述数据采集模块，用于采集电力系统的电力数据，所述电力数包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型；
所述图谱构建模块，用于根据电力数据构建电网元件之间的关系知识图谱，所述关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱；
所述预警及辅助模块，用于对所述电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以所述电网异常信号图谱的电网异常信号作为触发条件，根据所述电网知识底座图谱和所述电网风险图谱以及基于所述专家故障处理知识图谱生成故障处置预案。
优选地，所述图谱构建模块包括底座图谱构建子模块、信号图谱构建子模块、风险图谱构建子模块和故障图谱构建子模块；
所述底座图谱构建子模块，用于根据所述设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
所述信号图谱构建子模块，用于根据所述设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
所述风险图谱构建子模块，用于根据工单风险评估、受影响设备、受影响程度对所述检修单、所述抢修单和所述风险预警单提取关键信息并基于所述关键信息构建电网风险图谱；
所述故障图谱构建子模块，用于基于预设的专家经验、不同故障情况、调度规程和技术要求并根据所述关键信息进行图模型构建，得到专家故障处理知识图谱。
优选地，所述预警及辅助模块还用于采用图表示学习算法对所述电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；所述图表示学习算法的内容包括：采用神经网络模型对所述设备异常告警信号进行处理得到分类后的风险预判。
优选地，所述神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
所述图卷积层，用于对每个所述设备异常告警信号构建一个子图；
所述池化层，用于对每个子图采用平均池化处理，得到特征数据；
所述全连接层，用于将所有所述特征数据进行拼接合并，得到告警数据特征向量；
所述前馈神经网络层，用于对所述告警数据特征向量进行降维处理，得到分类后的风险预判。
优选地，该基于知识图谱的电网风险预警及决策系统包括预案处理模块，所述预案处理模块用于采用图表示学习算法对所述故障处置预案进行风险预警；以及根据所述故障处置预案在可视化模块上设置编排，以通过电网OCS系统对所述故障处置预案进行操作。
优选地，该基于知识图谱的电网风险预警及决策系统包括风险可视化模块，所述风险可视化模块用于对所述电网风险图谱和风险预判进行可视化展示。
本发明还提供一种基于知识图谱的电网风险预警及决策方法，包括以下步骤：
采集电力系统的电力数据，所述电力数包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型；
根据电力数据构建电网元件之间的关系知识图谱，所述关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱；
对所述电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以所述电网异常信号图谱的电网异常信号作为触发条件，根据所述电网知识底座图谱和所述电网风险图谱以及基于所述专家故障处理知识图谱生成故障处置预案。
优选地，根据电力数据构建电网元件之间的关系知识图谱包括：
根据所述设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
根据所述设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
根据工单风险评估、受影响设备、受影响程度对所述检修单、所述抢修单和所述风险预警单提取关键信息并基于所述关键信息构建电网风险图谱；
基于预设的专家经验、不同故障情况、调度规程和技术要求并根据所述关键信息进行图模型构建，得到专家故障处理知识图谱。
优选地，该基于知识图谱的电网风险预警及决策方法包括：采用图表示学习算法对所述电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；所述图表示学习算法的内容包括：采用神经网络模型对所述设备异常告警信号进行处理得到分类后的风险预判；
所述神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
所述图卷积层，用于对每个所述设备异常告警信号构建一个子图；
所述池化层，用于对每个子图采用平均池化处理，得到特征数据；
所述全连接层，用于将所有所述特征数据进行拼接合并，得到告警数据特征向量；
所述前馈神经网络层，用于对所述告警数据特征向量进行降维处理，得到分类后的风险预判。
本发明还提供一种终端设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行上述所述的基于知识图谱的电网风险预警及决策方法。
从以上技术方案可以看出，本发明实施例具有以下优点：
该基于知识图谱的电网风险预警及决策系统，包括数据采集模块、图谱构建模块和预警及辅助模块；数据采集模块用于采集电力系统的电力数据；图谱构建模块用于根据电力数据构建电网元件之间的关系知识图谱；预警及辅助模块用于对电网异常信号图谱的设备异常告警信号进行合并得到电力系统故障的风险预判；以及以电网异常信号图谱的电网异常信号作为触发条件，根据电网知识底座图谱和所述电网风险图谱以及基于专家故障处理知识图谱生成故障处置预案。该基于知识图谱的电网风险预警及决策系统通过数据采集模块采集电力数据，通过图谱构建模块根据电力数据构建关系知识图谱，通过预警及辅助模块实现对电力数据的智能告警以及对风险的预判并输出故障处置预案，为风险管控提供有力的支撑服务，解决了现有电网风险是采用人工方式根据电力监控系统采集电力数据进行预测判断的，此方式效率低且耗费人力的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
图1为本发明实施例所述的基于知识图谱的电网风险预警及决策系统的框架图。
图2为本发明实施例所述的基于知识图谱的电网风险预警及决策方法的步骤流程图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明的专利术语解释：
电网OCS系统指的是：电力系统中的调度自动化系统。
电网OMS系统指的是：电力系统的电网调度管理系统，电力系统的核心管理系统，包括计划停电管理和故障停电管理。
本申请实施例提供了一种基于知识图谱的电网风险预警及决策系统、方法及设备，用于解决了现有电网风险是采用人工方式根据电力监控系统采集电力数据进行预测判断的，此方式效率低且耗费人力的技术问题。
实施例一：
图1为本发明实施例所述的基于知识图谱的电网风险预警及决策系统的框架图。
如图1所示，本发明实施例提供了一种基于知识图谱的电网风险预警及决策系统，包括数据采集模块10、图谱构建模块20和预警及辅助模块30。
在本发明实施例中，数据采集模块10用于采集电力系统的电力数据，电力数据包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型。
需要说明的是，数据采集模块10采集电力数据的检修单、抢修单、风险预警单均可以从电网OMS系统采集，且采集的检修单、抢修单、风险预警单均为半结构化数据或非结构化数据。数据采集模块10采集电力数据的设备异常告警信号和设备关联关系及电网拓扑模型可以从电网OCS系统获取。设备异常告警信号可以为一次设备异常告警信号，也可以为二次设备异常告警信号。设备关联关系及电网拓扑模型可以为一次设备关联关系及电网拓扑模型，也可以为二次设备关联关系及电网拓扑模型，也可以为一次设备与二次设备之间的关联关系及电网拓扑模型。
在本发明实施例中，图谱构建模块20用于根据电力数据构建电网元件之间的关系知识图谱，关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱。
需要说明的是，图谱构建模块20可以是根据数据采集模块10采集电力数据构建电网元件之间的关系知识图谱。其中，电网元件包括电力设备、电路等。电网异常信号图谱中包含有各个不同电网元件的异常信号，这些异常信号也称为电网异常信号。
在本发明实施例中，图谱构建模块20包括底座图谱构建子模块、信号图谱构建子模块、风险图谱构建子模块和故障图谱构建子模块；
底座图谱构建子模块，用于根据设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
信号图谱构建子模块，用于根据设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
风险图谱构建子模块，用于根据工单风险评估、受影响设备、受影响程度对检修单、抢修单和风险预警单提取关键信息并基于关键信息构建电网风险图谱；
故障图谱构建子模块，用于基于预设的专家经验、不同故障情况、调度规程和技术要求并根据关键信息进行图模型构建，得到专家故障处理知识图谱。
需要说明的是，在构建电网知识底座图谱过程中，基于电网OCS系统的设备关联关系及电网拓扑模型利用图结构对电网元件之间的关联关系进行描述，并根据电网OCS系统的一次设备、二次设备的四遥等级，对实体的电网元件的重要程度、关联关系强弱进行预设的人工标注后构建的。在构建电网异常信号图谱过程中，主要将基于电网OCS系统获得的一次设备和二次设备这些设备异常告警信号等结构化数据，对不同实体电网元件间的告警和影响关系进行图模型构建得到的。在构建电网风险图谱过程中，基于电网OMS系统的检修单、抢修单及风险预警单等半结构化、非结构化数据和电网异常信号图谱，针对来自电网OMS系统的数据根据工单风险评估、受影响设备、受影响程度等对关键信息进行提取构建电网风险图谱。在构建专家故障处理知识图谱过程中，基于预设的专家经验，对不同故障情况、调度规程、技术要求等进行图模型构建得到的。构建的专家故障处理知识图谱作为后续故障处理的依据便于电网风险预警推理输出。
在本发明实施例中，预警及辅助模块30用于对电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以电网异常信号图谱的电网异常信号作为触发条件，根据电网知识底座图谱和电网风险图谱以及基于专家故障处理知识图谱生成故障处置预案。
需要说明的是，预警及辅助模块30以电网异常信号图谱为基准，实现智能告警功能及故障异常判断，得到风险预判。以电力系统故障的风险预判作为触发条件，以电网知识底座图谱和电网风险图谱为基础，基于构建专家故障处理知识图谱，自动生成故障处置预案并进行风险预判，为电网调度员提供半自动编排方式，也使电网调度员能够根据实际电网运行态势进行调整。
在本发明实施例中，风险预判的内容包括事故事件等级、线路设备元件过载可能性、重要供电区域(用户)预计停电时长、总体事故事件等级及影响范围预估等信息。
本发明提供的一种基于知识图谱的电网风险预警及决策系统，包括数据采集模块、图谱构建模块和预警及辅助模块；数据采集模块用于采集电力系统的电力数据；图谱构建模块用于根据电力数据构建电网元件之间的关系知识图谱；预警及辅助模块用于对电网异常信号图谱的设备异常告警信号进行合并得到电力系统故障的风险预判；以及以电网异常信号图谱的电网异常信号作为触发条件，根据电网知识底座图谱和电网风险图谱以及基于专家故障处理知识图谱生成故障处置预案。该基于知识图谱的电网风险预警及决策系统通过数据采集模块采集电力数据，通过图谱构建模块根据电力数据构建关系知识图谱，通过预警及辅助模块实现对电力数据的智能告警以及对风险的预判并输出故障处置预案，为风险管控提供有力的支撑服务，解决了现有电网风险是采用人工方式根据电力监控系统采集电力数据进行预测判断的，此方式效率低且耗费人力的技术问题。
在本发明的一个实施例中，预警及辅助模块30还用于采用图表示学习算法对电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；图表示学习算法的内容包括：采用神经网络模型对设备异常告警信号进行处理得到分类后的风险预判。神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
图卷积层，用于对每个设备异常告警信号构建一个子图；
池化层，用于对每个子图采用平均池化处理，得到特征数据；
全连接层，用于将所有特征数据进行拼接合并，得到告警数据特征向量；
前馈神经网络层，用于对告警数据特征向量进行降维处理，得到分类后的风险预判。
需要说明的是，该基于知识图谱的电网风险预警及决策系统通过预警及辅助模块30将电网异常信号图谱通过基于图表示学习算法进行归纳，能够得到基于电网知识底座图谱的电网一次设备、二次设备的风险预警及风险关系关联关系的知识表示。在本实施例中，在神经网络模型中是基于图神经网络的风险预警分类器为每个子图构建图卷积，采用第一公式表示。在神经网络模型中采用第二公式实现平均池化得到第二特征数据。在神经网络模型中也可以通过全连接层将告警数据特征向量作为学习后的向量输送至神经网络模型的前馈神经网络层进行降维，得到分类后的风险预判结果。
第一公式为：
第二公式为：
式中，x为子图特征向量，l为当前的图卷积层，k为图卷积层的卷积核，M为第j个卷积核对应的卷积窗口，ba为池化层的第a个节点的特征，N为池化层的节点数量，s为均化后的特征数据。
在本发明实施例中，采用图表示学习算法对所述电网异常信号图谱的设备异常告警信号进行归纳合并得到电力系统故障的风险预判，例如：变电站内10kV线路开关跳闸，二次保护会出现控制回路断线、弹簧未储能告警、保护动作等信号，站外配电终端也会相应出现电压消失等告警，有自愈策略的10kV线路也会相应启动自愈动作，也会产生站外配电终端分合闸等告警信息。为了避免电网调度员会被这么多的告警信号影响，该基于知识图谱的电网风险预警及决策系统通过预警及辅助模块推理出根本原因是站内10kV开关跳闸，将上述告警信号进行归类，合并为一个跳闸事件如10kV线路开关跳闸，影响范围是多少，损失负荷是多少，通过自愈转供多少负荷，可能引起什么元件过载等电力系统故障的风险预判信息，能减轻电网调度员的监控压力和分析故障原因的压力。
在本发明的一个实施例中，该基于知识图谱的电网风险预警及决策系统包括预案处理模块40，预案处理模块40用于采用图表示学习算法对故障处置预案进行风险预警；以及根据故障处置预案在可视化模块上设置编排，以通过电网OCS系统对所述故障处置预案进行操作。
需要说明的是，预案处理模块40还可以对故障处置预案进行可视化处理，得到可视化结果并将可视化结果与电网OCS系统进行数据交互。预案处理模块40为电网调度员提供故障处理业务流程集成。预案处理模块40还可以将故障处置预案推送至电网OCS系统，便于电网调度员对故障处置预案的编排调整。可视化模块可以设置在电网OCS系统上，可以理解为在将故障处置预案推送至电网OCS系统后，电网调度员可以根据需求在可视化模块上对故障处置预案进行编排、设置等操作。可视化模块也可以设置在该基于知识图谱的电网风险预警及决策系统上，在该基于知识图谱的电网风险预警及决策系统通过可视化模块对故障处置预案进行编排、设置等操作，将编排后的故障处置预案推送至电网OCS系统。
在本发明的一个实施例中，该基于知识图谱的电网风险预警及决策系统包括风险可视化模块50，风险可视化模块50用于对电网风险图谱和风险预判进行可视化展示。
需要说明的是，该基于知识图谱的电网风险预警及决策系统通过风险可视化模块50将电网实时、未来风险进行可视化展示，并提供历史风险查询功能。
实施例二：
图2为本发明实施例所述的基于知识图谱的电网风险预警及决策方法的步骤流程图。
如图2所示，本发明实施例还提供一种基于知识图谱的电网风险预警及决策方法，包括以下步骤：
S1.采集电力系统的电力数据，电力数据包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型；
S2.根据电力数据构建电网元件之间的关系知识图谱，关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱；
S3.对电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以电网异常信号图谱的电网异常信号作为触发条件，根据电网知识底座图谱和电网风险图谱以及基于专家故障处理知识图谱生成故障处置预案。
在本发明实施例中，根据电力数据构建电网元件之间的关系知识图谱包括：
根据设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
根据设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
根据工单风险评估、受影响设备、受影响程度对检修单、抢修单和风险预警单提取关键信息并基于关键信息构建电网风险图谱；
基于预设的专家经验、不同故障情况、调度规程和技术要求并根据关键信息进行图模型构建，得到专家故障处理知识图谱。
在本发明实施例中，该基于知识图谱的电网风险预警及决策方法包括：采用图表示学习算法对电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；图表示学习算法的内容包括：采用神经网络模型对设备异常告警信号进行处理得到分类后的风险预判；
神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
图卷积层，用于对每个设备异常告警信号构建一个子图；
池化层，用于对每个子图采用平均池化处理，得到特征数据；
全连接层，用于将所有特征数据进行拼接合并，得到告警数据特征向量；
前馈神经网络层，用于对告警数据特征向量进行降维处理，得到分类后的风险预判。
需要说明的是，实施例二中的基于知识图谱的电网风险预警及决策方法的步骤内容对应于实施例一系统中模块的内容，由此实施例二中方法的步骤内容不再重复阐述。
实施例三：
本发明实施例提供了一种终端设备，包括处理器以及存储器；
存储器，用于存储程序代码，并将程序代码传输给处理器；
处理器，用于根据程序代码中的指令执行上述的基于知识图谱的电网风险预警及决策方法。
需要说明的是，处理器用于根据所程序代码中的指令执行上述的一种基于知识图谱的电网风险预警及决策方法实施例中的步骤。或者，处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。在本实施例中，实施例四的基于知识图谱的电网风险预警及决策方法的步骤内容已在实施例二阐述，此实施例三不再重复阐述。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于知识图谱的电网风险预警及决策系统，其特征在于，包括数据采集模块、图谱构建模块和预警及辅助模块；
所述数据采集模块，用于采集电力系统的电力数据，所述电力数包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型；
所述图谱构建模块，用于根据电力数据构建电网元件之间的关系知识图谱，所述关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱；
所述预警及辅助模块，用于对所述电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以所述电网异常信号图谱的电网异常信号作为触发条件，根据所述电网知识底座图谱和所述电网风险图谱以及基于所述专家故障处理知识图谱生成故障处置预案。
2.根据权利要求1所述的基于知识图谱的电网风险预警及决策系统，其特征在于，所述图谱构建模块包括底座图谱构建子模块、信号图谱构建子模块、风险图谱构建子模块和故障图谱构建子模块；
所述底座图谱构建子模块，用于根据所述设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
所述信号图谱构建子模块，用于根据所述设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
所述风险图谱构建子模块，用于根据工单风险评估、受影响设备、受影响程度对所述检修单、所述抢修单和所述风险预警单提取关键信息并基于所述关键信息构建电网风险图谱；
所述故障图谱构建子模块，用于基于预设的专家经验、不同故障情况、调度规程和技术要求并根据所述关键信息进行图模型构建，得到专家故障处理知识图谱。
3.根据权利要求1所述的基于知识图谱的电网风险预警及决策系统，其特征在于，所述预警及辅助模块还用于采用图表示学习算法对所述电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；所述图表示学习算法的内容包括：采用神经网络模型对所述设备异常告警信号进行处理得到分类后的风险预判。
4.根据权利要求3所述的基于知识图谱的电网风险预警及决策系统，其特征在于，所述神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
所述图卷积层，用于对每个所述设备异常告警信号构建一个子图；
所述池化层，用于对每个子图采用平均池化处理，得到特征数据；
所述全连接层，用于将所有所述特征数据进行拼接合并，得到告警数据特征向量；
所述前馈神经网络层，用于对所述告警数据特征向量进行降维处理，得到分类后的风险预判。
5.根据权利要求3所述的基于知识图谱的电网风险预警及决策系统，其特征在于，包括预案处理模块，所述预案处理模块用于采用图表示学习算法对所述故障处置预案进行风险预警；以及根据所述故障处置预案在可视化模块上设置编排，以通过电网OCS系统对所述故障处置预案进行操作。
6.根据权利要求1所述的基于知识图谱的电网风险预警及决策系统，其特征在于，包括风险可视化模块，所述风险可视化模块用于对所述电网风险图谱和风险预判进行可视化展示。
7.一种基于知识图谱的电网风险预警及决策方法，其特征在于，包括以下步骤：
采集电力系统的电力数据，所述电力数包括检修单、抢修单、风险预警单、设备异常告警信号和设备关联关系及电网拓扑模型；
根据电力数据构建电网元件之间的关系知识图谱，所述关系知识图谱包括电网知识底座图谱、电网异常信号图谱、电网风险图谱和专家故障处理知识图谱；
对所述电网异常信号图谱的设备异常告警信号进行合并，得到电力系统故障的风险预判；以及以所述电网异常信号图谱的电网异常信号作为触发条件，根据所述电网知识底座图谱和所述电网风险图谱以及基于所述专家故障处理知识图谱生成故障处置预案。
8.根据权利要求7所述的基于知识图谱的电网风险预警及决策方法，其特征在于，根据电力数据构建电网元件之间的关系知识图谱包括：
根据所述设备关联关系及电网拓扑模型，采用电网元件之间的关联关系、一次设备和二次设备的四遥等级、电网元件之间的重要程度、电网元件之间关联关系强弱构建电网知识底座图谱；
根据所述设备异常告警信号采用电网元件之间的告警和影响关系构建电网异常信号图谱；
根据工单风险评估、受影响设备、受影响程度对所述检修单、所述抢修单和所述风险预警单提取关键信息并基于所述关键信息构建电网风险图谱；
基于预设的专家经验、不同故障情况、调度规程和技术要求并根据所述关键信息进行图模型构建，得到专家故障处理知识图谱。
9.根据权利要求7所述的基于知识图谱的电网风险预警及决策方法，其特征在于，包括：采用图表示学习算法对所述电网异常信号图谱的设备异常告警信号进行归纳合并，得到以风险预警及风险关系关联关系的知识表示的风险预判；所述图表示学习算法的内容包括：采用神经网络模型对所述设备异常告警信号进行处理得到分类后的风险预判；
所述神经网络模型包括异常连接的图卷积层、池化层、全连接层和前馈神经网络层；
所述图卷积层，用于对每个所述设备异常告警信号构建一个子图；
所述池化层，用于对每个子图采用平均池化处理，得到特征数据；
所述全连接层，用于将所有所述特征数据进行拼接合并，得到告警数据特征向量；
所述前馈神经网络层，用于对所述告警数据特征向量进行降维处理，得到分类后的风险预判。
10.一种终端设备，其特征在于，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行权利要求7-9任意一项所述的基于知识图谱的电网风险预警及决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244547.5A CN116523294A (zh) | 2023-03-13 | 2023-03-13 | 基于知识图谱的电网风险预警及决策系统、方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244547.5A CN116523294A (zh) | 2023-03-13 | 2023-03-13 | 基于知识图谱的电网风险预警及决策系统、方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116523294A true CN116523294A (zh) | 2023-08-01 |
Family
ID=87401937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310244547.5A Pending CN116523294A (zh) | 2023-03-13 | 2023-03-13 | 基于知识图谱的电网风险预警及决策系统、方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116523294A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117079044A (zh) * | 2023-08-25 | 2023-11-17 | 华大天元(北京)科技股份有限公司 | 架空线路外力破坏的识别模型训练方法、预警方法及装置 |
| CN117171366A (zh) * | 2023-11-03 | 2023-12-05 | 国网信息通信产业集团有限公司 | 用于电网调度运行态势的知识图谱构建方法及系统 |
| CN117557244A (zh) * | 2023-09-27 | 2024-02-13 | 国网江苏省电力有限公司信息通信分公司 | 基于知识图谱的电力运维警戒系统 |
-
2023
- 2023-03-13 CN CN202310244547.5A patent/CN116523294A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117079044A (zh) * | 2023-08-25 | 2023-11-17 | 华大天元(北京)科技股份有限公司 | 架空线路外力破坏的识别模型训练方法、预警方法及装置 |
| CN117557244A (zh) * | 2023-09-27 | 2024-02-13 | 国网江苏省电力有限公司信息通信分公司 | 基于知识图谱的电力运维警戒系统 |
| CN117171366A (zh) * | 2023-11-03 | 2023-12-05 | 国网信息通信产业集团有限公司 | 用于电网调度运行态势的知识图谱构建方法及系统 |
| CN117171366B (zh) * | 2023-11-03 | 2024-01-30 | 国网信息通信产业集团有限公司 | 用于电网调度运行态势的知识图谱构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116523294A (zh) | 基于知识图谱的电网风险预警及决策系统、方法及设备 | |
| Li et al. | Adaptive online monitoring of voltage stability margin via local regression | |
| CN108336725A (zh) | 电网调度设备监控管理及智能分析系统 | |
| EP2397926A2 (en) | A self-healing power grid and method thereof | |
| CN103617561A (zh) | 一种电网智能变电站二次设备状态评估系统和方法 | |
| CN103679293A (zh) | 智能变电站告警和辅助决策系统 | |
| CN104657913A (zh) | 一种基于全数据模型的智能告警系统 | |
| CN107798395A (zh) | 一种电网事故信号自动诊断方法及系统 | |
| CN103441572A (zh) | 变电站设备监控方法 | |
| CN106655158A (zh) | 一种基于智能电网的配电网自愈控制系统和方法 | |
| CN104463696A (zh) | 电网运行风险识防方法及系统 | |
| CN105379135B (zh) | 电网中实时自动诊断的系统和方法 | |
| CN110020967A (zh) | 一种电网调度端变电站智能告警的信息处理方法及装置 | |
| CN111967738B (zh) | 一种电网信息能量融合系统的风险预警方法、系统和介质 | |
| CN109062993A (zh) | 一种离线电网故障处置预案生成方法及其装置 | |
| CN111756581A (zh) | 配电网运行故障处理方法、装置、计算机设备和存储介质 | |
| CN105184490A (zh) | 电网调度操作过程风险辅助预控系统 | |
| CN105404962B (zh) | 电力系统继电保护装置的改造评估方法及其生成系统 | |
| CN115358558A (zh) | 基于数字化预案模型的实时电网状态安全校核方法 | |
| CN115219045A (zh) | 一种基于深度学习的变压器温度预测方法 | |
| CN108183814A (zh) | 用电信息采集系统的通信信道的故障排查方法和装置 | |
| CN109193947A (zh) | 配电房监控方法、装置、服务器及计算机可读存储介质 | |
| Zhang et al. | Risk assessment for substation operation based on triangular fuzzy number AHP and cloud model | |
| CN110991910B (zh) | 一种电力系统风险预测方法及装置 | |
| CN114511179B (zh) | 一种处理配电柜异常的智能规划方法及系统 |
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 |