CN117556224B - 一种电网设施抗震风险评估系统、方法及存储介质 - Google Patents

一种电网设施抗震风险评估系统、方法及存储介质 Download PDF

Info

Publication number
CN117556224B
CN117556224B CN202410046240.9A CN202410046240A CN117556224B CN 117556224 B CN117556224 B CN 117556224B CN 202410046240 A CN202410046240 A CN 202410046240A CN 117556224 B CN117556224 B CN 117556224B
Authority
CN
China
Prior art keywords
power grid
representing
information
node
grid equipment
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
Application number
CN202410046240.9A
Other languages
English (en)
Other versions
CN117556224A (zh
Inventor
薛志航
张宗喜
刘凤莲
邓创
谢强
刘少娜
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan 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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202410046240.9A priority Critical patent/CN117556224B/zh
Publication of CN117556224A publication Critical patent/CN117556224A/zh
Application granted granted Critical
Publication of CN117556224B publication Critical patent/CN117556224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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
    • G06Q50/08—Construction
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电网设施风险评估技术领域，公开了一种电网设施抗震风险评估系统、方法及存储介质，一种电网设施抗震风险评估方法包括：采集电网设施的电网设备的信息以及电网设备之间的互作用信息；基于电网设备的信息构建参数作用图；通过节点数据联系的电网设备的信息进行特征提取来生成节点特征，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络输出评估特征向量；根据评估特征向量分析评估结果；本发明利用深度学习来模拟地震发生时电网设备之间的耦合影响，对电网设施进行整体的准确抗震风险评估。

Description

一种电网设施抗震风险评估系统、方法及存储介质
技术领域
本发明涉及电网设施风险评估技术领域，更具体地说，它涉及一种电网设施抗震风险评估系统、方法及存储介质。
背景技术
电网设施的电网设备在设计时会按照所在地区的抗震设防烈度等级以及相关标准进行验算，但是这种验算忽略了设备组合后在地震发生时设备之间的耦合影响，而且电网设施会不断地进行更新改变设备，设计验算无法满足电网设施实际运行后的整体的抗震风险的评估。
发明内容
本发明提供一种电网设施抗震风险评估系统、方法及存储介质，解决相关技术中设计验算无法满足电网设施实际运行后的整体的抗震风险的评估的技术问题。
本发明提供了一种电网设施抗震风险评估方法，包括：
步骤101，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
步骤102，基于电网设备的信息构建参数作用图，参数作用图包括节点以及连接节点的边，节点与电网设备的信息存在数据联系；边包括第一边和第二边，第一边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的信息属于同一个电网设备；第二边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的名称对应的电网设备之间存在互作用；第二边与电网设备之间的互作用信息进行数据联系；
步骤103，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；
步骤104，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络包括第一隐藏层和全连接层，其中第一隐藏层的计算公式如下：
，/>；
；
；
；
；
；
；
其中和/>分别表示第v个和第j个节点的原始特征，/>和/>分别表示第v个和第j个节点的节点特征，/>表示权重特征，/>表示第v个和第j个节点之间的边为第一边，/>表示第v个和第j个节点之间的边为第二边；/>、/>、、/>、/>分别表示第v个节点在第t个时间步的第一中间特征、第二中间特征、第三中间特征、第四中间特征和隐藏特征，/>和/>分别表示第v个节点和第j个节点在第t-1个时间步的隐藏特征，/>表示sigmoid函数，/>表示与第v个节点通过边直接连接的节点的集合，/>表示双曲正切函数，/>表示点乘，‖表示向量拼接，/>、/>、/>、、/>、/>、/>、/>分别表示第一、二、三、四、五、六、七、八权重参数，/>和/>分别表示第一偏置参数和第二偏置参数，t为正整数；
全连接层的计算公式如下：；
表示第f个节点在第P个时间步的隐藏特征，/>表示数据联系电网设备的名称的节点的集合，/>表示第九权重参数，/>表示第三偏置参数，⋁表示对向量进行权重相等的均值计算；/>表示评估特征向量；
步骤105，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果。
进一步地，电网设备的信息包括电网设备的名称、电网设备的计算地震作用和作用效应的参数、电网设备的材料性能、电网设备的几何参数。
进一步地，互作用信息包括电网设备之间的连接关系、电网设备之间的作用力类型。
进一步地，对于电网设备的信息和互作用信息进行特征提取的方法是对文本进行词向量编码然后进行拼接的方式。
进一步地，电网设备之间的连接关系包括硬连接和线缆连接；电网设备之间的作用力类型包括拉力、压力、剪切力、弯曲力、扭曲力。
进一步地，t的最大值为P，P的缺省值为3。
进一步地，评估结果分为有风险和无风险两个。
进一步地，评估结果对应1至G级，级别越高受到地震影响遭到破坏的可能性越大。
本发明提供一种电网设施抗震风险评估系统，用于执行前述的一种电网设施抗震风险评估方法，包括：
数据采集模块，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
数据处理模块，基于电网设备的信息构建参数作用图；
节点特征生成模块，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征；
边特征生成模块，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；
评估运行模块，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络输出评估特征向量；
评估分析模块，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果。
本发明提供了一种计算机存储介质，所述计算机存储介质包括用于执行前述的一种电网设施抗震风险评估方法的机器可执行指令，机器可执行指令由计算机处理器运行。
本发明的有益效果在于：本发明利用深度学习来模拟地震发生时电网设备之间的耦合影响，对电网设施进行整体的准确抗震风险评估，解决设计验算无法满足电网设施实际运行后的整体的抗震风险的评估的问题。
附图说明
图1是本发明的一种电网设施抗震风险评估方法的流程图；
图2是本发明的一种电网设施抗震风险评估系统的模块示意图。
图中：数据采集模块201，数据处理模块202，节点特征生成模块203，边特征生成模块204，评估运行模块205，评估分析模块206。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
在本发明的一个实施例中，提供一种电网设施抗震风险评估方法，如图1所示，包括：
步骤101，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
电网设备的信息包括电网设备的名称、电网设备的计算地震作用和作用效应的参数、电网设备的材料性能、电网设备的几何参数；
计算地震作用和作用效应的参数包括电气设备的质量、弯矩、结构自振周期等；
电网设备的材料性能的参数包括材料弹性模量、许用应力、许用剪应力等；
电网设备的几何参数包括截面面积、结构的高度、圆形截面的内径、圆形截面的外径等；
互作用信息包括电网设备之间的连接关系、电网设备之间的作用力类型；
电网设备之间的连接关系包括硬连接（焊接、铆接、螺栓连接、接触连接）和线缆连接；
电缆连接的特殊性在于线缆不被视为电网设备，但是由于线缆密度较大，因此其自身会对与其相连的电网设备产生不可忽视的作用力；
因此对于线缆连接进行描述时还需要描述线缆的长度、外径、单位长度的重量。
电网设备之间的作用力类型包括拉力、压力、剪切力、弯曲力、扭曲力；
前述的电网设备包括支架、绝缘套管、避雷针、变压器（变压器本体、变压器油枕、变压器绝缘套管、变压器散热器）、开关柜、蓄电池柜等。
因此，电网设备包括部件以及部件组成的具有特定功能的整体。
例如抗震设防烈度为 7 度及以上时，变压器散热器与变压器本体连接钢管，在水平地震作用下的弯曲应力，可按下式计算：
表示变压器散热器与变压器本体连接钢管在水平地震作用下的弯曲应力(Pa)， L表示变压器散热器中心至变压器本体边缘的间距(m)，d表示变压器散热器与变压器连接管的外径(m)，n表示散热器与变压器本体连接管的根数，一根连接钢管的截面惯性矩(m4)，/>表示变压器散热器的水平地震作用(N)；
表示地震影响系数最大值，/>表示变压器散热器的质量(kg)，g表示重力加速度。
由于图像数据表示的电网设备的信息和互作用信息存在坐标空间的不一致性，并且很难统一到同一坐标空间，因此在本发明的一个实施例中，电网设备的信息以及电网设备的互作用信息均采用文本数据来表示；
需要说明的是，基本地震加速度值和抗震设防烈度根据现行国家标准《中国地震动参数区划图》GB18306的有关规定确定。
步骤102，基于电网设备的信息构建参数作用图；
其中参数作用图包括节点以及连接节点的边，节点与电网设备的信息存在数据联系；
例如一个节点数据联系一个电网设备的名称，一个节点数据联系一个电网设备的一个几何参数；
边包括第一边和第二边，第一边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的信息属于同一个电网设备；
第二边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的名称对应的电网设备之间存在互作用；第二边与电网设备之间的互作用信息进行数据联系；
步骤103，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；
在本发明的一个实施例中，对于电网设备的信息和互作用信息进行特征提取的方法是对文本进行词向量编码然后进行拼接的方式。
在本发明的一个实施例中，为了对电网设备的信息和互作用信息中的数值类型和文字类型进行区别表示，对电网设备的信息和互作用信息中的文字进行词向量编码，对数值进行独热编码，并且首尾缀1。
例如3.14，“3”按照数字顺序（.01234561789）来进行独热编码的结果为100001000000，“.”按照数字顺序来进行独热编码的结果为110000000000。
步骤104，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络包括第一隐藏层和全连接层，其中第一隐藏层的计算公式如下：
，/>；
；
；
；
；
；
；
其中和/>分别表示第v个和第j个节点的原始特征，/>和/>分别表示第v个和第j个节点的节点特征，/>表示权重特征，/>表示第v个和第j个节点之间的边为第一边，/>表示第v个和第j个节点之间的边为第二边；/>、/>、、/>、/>分别表示第v个节点在第t个时间步的第一中间特征、第二中间特征、第三中间特征、第四中间特征和隐藏特征，/>和/>分别表示第v个节点和第j个节点在第t-1个时间步的隐藏特征，/>表示sigmoid函数，/>表示与第v个节点通过边直接连接的节点的集合，/>表示双曲正切函数，/>表示点乘，‖表示向量拼接，/>、/>、/>、、/>、/>、/>、/>分别表示第一、二、三、四、五、六、七、八权重参数，/>和/>分别表示第一偏置参数和第二偏置参数，t为正整数，t的最大值为P，P的缺省值为3；
全连接层的计算公式如下：
表示第f个节点在第P个时间步的隐藏特征，/>表示数据联系电网设备的名称的节点的集合，/>表示第九权重参数，/>表示第三偏置参数，⋁表示对向量进行权重相等的均值计算；/>表示评估特征向量；
步骤105，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果；
在本发明的一个实施例中，评估结果分为有风险和无风险两个。
对于最终的评估结果为有风险的电网设施可组织专业人员进行隔震和减震处理。
特别的，如果出现分量相等的情况，则输出有风险的评估结果。
前述的关系模式识别神经网络依赖有监督的训练方式进行训练；
在本发明的一个实施例中，训练时关系模式识别神经网络的输出的对比来源于历史的电网设施受到地震（地震加速度值属于同一范围，该范围参考地震设防烈度对应的地震加速度值范围进行划分）影响的记录，因此对于不同地震加速度值影响的电网设施来说，在训练和评估时是独立的；例如通过地震设防烈度7级对应的历史的电网设施受到地震影响的记录训练的关系模式识别神经网络适用于地震设防烈度7级的电网设施的评估。
电网设施受到地震影响的结果与最终的评估结果对比来计算关系模式识别神经网络的损失值；可以选择交叉熵损失函数进行计算。
如果历史的记录不足，可以通过利用地震模拟实现平台的实验来补充。
历史的电网设施受到地震影响的结果为受到破坏则对应于有风险的评估结果，否则对应于无风险的评估结果；
电网设施受到地震影响的结果为受到破坏的标准可以是无法正常运行或者是只能在额定功能的60%以下运行。
在本发明的另一个实施例中，评估结果对应1至G级，级别越高受到地震影响遭到破坏的可能性越大。
在本发明的一个实施例中，提供一种电网设施抗震风险评估系统，如图2所示，包括：
数据采集模块201，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
数据处理模块202，基于电网设备的信息构建参数作用图；
节点特征生成模块203，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征；
边特征生成模块204，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；
评估运行模块205，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络输出评估特征向量；
评估分析模块206，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果。
在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括用于执行前述的基于人工智能和深度学习的处理方法的机器可执行指令，机器可执行指令由计算机处理器运行。
所述计算机程序产品由可读性存储介质进行存储，并由计算机操作系统进行执行。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

Claims (9)

1.一种电网设施抗震风险评估方法，其特征在于，包括：
步骤101，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
步骤102，基于电网设备的信息构建参数作用图，参数作用图包括节点以及连接节点的边，节点与电网设备的信息存在数据联系；边包括第一边和第二边，第一边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的信息属于同一个电网设备；第二边连接的两个节点符合以下条件：这两个节点数据联系的电网设备的名称对应的电网设备之间存在互作用；第二边与电网设备之间的互作用信息进行数据联系；
步骤103，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；对于电网设备的信息和互作用信息进行特征提取的方法是对文本进行词向量编码然后进行拼接的方式；
步骤104，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络包括第一隐藏层和全连接层，其中第一隐藏层的计算公式如下：
，/>；
；
；
；
；
；
；
其中和/>分别表示第v个和第j个节点的原始特征，/>和/>分别表示第v个和第j个节点的节点特征，/>表示权重特征，/>表示第v个和第j个节点之间的边为第一边，/>表示第v个和第j个节点之间的边为第二边；/>、/>、/>、、/>分别表示第v个节点在第t个时间步的第一中间特征、第二中间特征、第三中间特征、第四中间特征和隐藏特征，/>和/>分别表示第v个节点和第j个节点在第t-1个时间步的隐藏特征，/>表示sigmoid函数，/>表示与第v个节点通过边直接连接的节点的集合，/>表示双曲正切函数，/>表示点乘，‖表示向量拼接，/>、/>、/>、/>、、/>、/>、/>分别表示第一、二、三、四、五、六、七、八权重参数，/>和/>分别表示第一偏置参数和第二偏置参数，t为正整数；
全连接层的计算公式如下：；
表示第f个节点在第P个时间步的隐藏特征，/>表示数据联系电网设备的名称的节点的集合，/>表示第九权重参数，/>表示第三偏置参数，⋁表示对向量进行权重相等的均值计算；/>表示评估特征向量；
步骤105，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果。
2.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，电网设备的信息包括电网设备的名称、电网设备的计算地震作用和作用效应的参数、电网设备的材料性能、电网设备的几何参数。
3.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，互作用信息包括电网设备之间的连接关系、电网设备之间的作用力类型。
4.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，电网设备之间的连接关系包括硬连接和线缆连接；电网设备之间的作用力类型包括拉力、压力、剪切力、弯曲力、扭曲力。
5.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，t的最大值为P，P的缺省值为3。
6.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，评估结果分为有风险和无风险两个。
7.根据权利要求1所述的一种电网设施抗震风险评估方法，其特征在于，评估结果对应1至G级，级别越高受到地震影响遭到破坏的可能性越大。
8.一种电网设施抗震风险评估系统，其特征在于，用于执行如权利要求1-7任一所述的一种电网设施抗震风险评估方法，包括：
数据采集模块，采集电网设施的电网设备的信息以及电网设备之间的互作用信息；
数据处理模块，基于电网设备的信息构建参数作用图；
节点特征生成模块，通过节点数据联系的电网设备的信息进行特征提取来生成节点特征；
边特征生成模块，通过第二边数据联系的电网设备之间的互作用信息进行特征提取来生成第二边特征；
评估运行模块，将参数作用图、节点特征和第二边特征输入关系模式识别神经网络中，关系模式识别神经网络输出评估特征向量；
评估分析模块，根据评估特征向量分析评估结果，评估特征向量的一个分量对应一个评估结果，选择最大的分量对应的一个评估结果作为最终的评估结果。
9.一种计算机存储介质，其特征在于，所述计算机存储介质包括用于执行如权利要求1-7任一所述的一种电网设施抗震风险评估方法的机器可执行指令，机器可执行指令由计算机处理器运行。
CN202410046240.9A 2024-01-12 2024-01-12 一种电网设施抗震风险评估系统、方法及存储介质 Active CN117556224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410046240.9A CN117556224B (zh) 2024-01-12 2024-01-12 一种电网设施抗震风险评估系统、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410046240.9A CN117556224B (zh) 2024-01-12 2024-01-12 一种电网设施抗震风险评估系统、方法及存储介质

Publications (2)

Publication Number Publication Date
CN117556224A CN117556224A (zh) 2024-02-13
CN117556224B true CN117556224B (zh) 2024-03-22

Family

ID=89817110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410046240.9A Active CN117556224B (zh) 2024-01-12 2024-01-12 一种电网设施抗震风险评估系统、方法及存储介质

Country Status (1)

Country Link
CN (1) CN117556224B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537724A (zh) * 2021-06-24 2021-10-22 中国电力科学研究院有限公司 一种电网设施抗震安全风险评估方法及装置
WO2022222037A1 (zh) * 2021-04-20 2022-10-27 中国科学院深圳先进技术研究院 一种基于图神经网络推理的可解释推荐方法
CN115564114A (zh) * 2022-10-10 2023-01-03 南京航空航天大学 一种基于图神经网络的空域碳排放短期预测方法及系统
CN115935975A (zh) * 2022-05-20 2023-04-07 厦门大学 一种情感可控的新闻评论生成方法
WO2023124204A1 (zh) * 2021-12-29 2023-07-06 中国银联股份有限公司 反欺诈风险评估方法、训练方法、装置及可读存储介质
CN116796237A (zh) * 2023-07-12 2023-09-22 东北石油大学 一种基于改进图神经网络的油水井连通关系识别方法
CN116957838A (zh) * 2023-08-04 2023-10-27 宜宾学院 一种基于知识图表示学习的农作物生长环境监测方法
CN117236698A (zh) * 2023-10-18 2023-12-15 电子科技大学 基于图神经网络的产业链风险评估模型、方法及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114626512B (zh) * 2022-05-17 2022-09-06 南京信息工程大学 一种基于有向图神经网络的高温灾害预报方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022222037A1 (zh) * 2021-04-20 2022-10-27 中国科学院深圳先进技术研究院 一种基于图神经网络推理的可解释推荐方法
CN113537724A (zh) * 2021-06-24 2021-10-22 中国电力科学研究院有限公司 一种电网设施抗震安全风险评估方法及装置
WO2023124204A1 (zh) * 2021-12-29 2023-07-06 中国银联股份有限公司 反欺诈风险评估方法、训练方法、装置及可读存储介质
CN115935975A (zh) * 2022-05-20 2023-04-07 厦门大学 一种情感可控的新闻评论生成方法
CN115564114A (zh) * 2022-10-10 2023-01-03 南京航空航天大学 一种基于图神经网络的空域碳排放短期预测方法及系统
CN116796237A (zh) * 2023-07-12 2023-09-22 东北石油大学 一种基于改进图神经网络的油水井连通关系识别方法
CN116957838A (zh) * 2023-08-04 2023-10-27 宜宾学院 一种基于知识图表示学习的农作物生长环境监测方法
CN117236698A (zh) * 2023-10-18 2023-12-15 电子科技大学 基于图神经网络的产业链风险评估模型、方法及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Earthquake Phase Association with Graph Neural Networks;I.W.McBrearty 等;《arXiv》;20220915;1-35 *
从基于模拟到基于人工智能的建筑结构设计方法研究进展;陆新征 等;《工程力学》;20230117;1-18 *

Also Published As

Publication number Publication date
CN117556224A (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Han et al. Intelligent fault diagnosis method for rotating machinery via dictionary learning and sparse representation-based classification
CN112910695B (zh) 基于全局注意力时域卷积网络的网络故障预测方法
US20240211645A1 (en) Physics-enhanced data-driven method and device for intelligent structural design of shear wall building
US11741373B2 (en) Turbulence field update method and apparatus, and related device thereof
CN101614786A (zh) 基于frft和ifsvc的功率电子电路在线智能故障诊断方法
CN107657393B (zh) 近断层地震作用下桥梁的抗震评估方法
Zeinoddini et al. Endurance Wave Analysis (EWA) and its application for assessment of offshore structures under extreme waves
CN116341272A (zh) 一种用于配网工程数字化的施工安全风险管控系统
Sezen et al. A computational risk assessment approach to the integration of seismic and flooding hazards with internal hazards
CN112100486A (zh) 一种基于图模型的深度学习推荐系统及其方法
CN117556224B (zh) 一种电网设施抗震风险评估系统、方法及存储介质
Shahroozi et al. Environmental design load for the line force of a point-absorber wave energy converter
KR20190105429A (ko) 독성 가스 릴리스 모델링 장치 및 모델링 방법
Dastan Diznab et al. Seismic performance assessment of fixed offshore structures by endurance time method
Yang et al. Analysis of mooring lines for wave energy converters: A comparison of de-coupled and coupled simulation procedures
CN115456048A (zh) 海上风机的可靠性评估系统及其方法
JP3874657B2 (ja) 配管網耐震強度解析方法および配管網耐震強度解析装置
Beikoghli Stress and fatigue assessment of a multiplanar TY joint in a jacket structure supporting an offshore substation under wind and wave loads
JP2021015085A (ja) 原子力プラントの健全性評価装置、方法及びプログラム
Baylon et al. Seismic vulnerability assessment of Sta. Lucia high school in Pasig City Philippines using rapid visual assessment and fragility curves
Kim et al. Fatigue life evaluation of offshore wind turbine support structure considering load uncertainty
CN114724083B (zh) 轨迹预测系统训练、轨迹预测方法、装置、系统
CN118364124A (zh) 一种基于实体增强和立场检查的多模态事实核查方法
CN117610617A (zh) 基于时频自适应胶囊网络的机械件故障诊断方法和系统
Yang et al. Displacement Monitoring Method of Transmission Tower Foot Based on FEM and Deep Learning

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