CN118051813A - 一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 - Google Patents
一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 Download PDFInfo
- Publication number
- CN118051813A CN118051813A CN202311861673.1A CN202311861673A CN118051813A CN 118051813 A CN118051813 A CN 118051813A CN 202311861673 A CN202311861673 A CN 202311861673A CN 118051813 A CN118051813 A CN 118051813A
- Authority
- CN
- China
- Prior art keywords
- fault
- power grid
- early warning
- data
- correction
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 52
- 238000012937 correction Methods 0.000 title claims abstract description 48
- 230000007613 environmental effect Effects 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 230000001965 increasing effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 238000010292 electrical insulation Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于孤僻森林修正LSTM算法的电网故障检测方法及系统,涉及电网故障预警技术领域,包括收集极端天气下电网运行数据并做预处理。根据预处理的数据使用LSTM算法结合环境因素检测是否存在故障,若存在则发出故障预警,考虑误报因素对预警信息进行修正,并进行二次检测。根据二次检测的输出对故障预警分类进行处理。本发明考虑极端天气情况下的不同故障类型和优先级,能够更准确地预测和识别极端天气条件下的电网故障,使得故障处理更为有针对性和高效性。多维度的数据集成和智能处理,在实时监控和故障预警方面,显著提高了电网在恶劣天气条件下的稳定性和安全性,对于保障电网的可靠运行和减少由天气引起的电网故障影响具有重要意义。
Description
技术领域
本发明涉及电网故障预警技术领域,特别是一种基于孤僻森林修正LSTM算法的电网故障检测方法及系统。
背景技术
随电力系统作为现代社会的基础设施,其稳定和可靠运行对于经济和社会活动至关重要。然而,极端天气事件,如大雪、暴雨、风暴等,对电网的正常运行构成了严峻挑战。这些条件不仅可能导致设备故障,还会增加电网的负荷,使得传统的监控和故障检测系统难以应对。在这样的情况下,一直在寻求更先进的解决方案,以提高电网在恶劣天气条件下的韧性和响应能力。传统的电网监控系统主要依赖于历史数据和比较简单的算法来预测和处理故障。这些系统在面对复杂和动态变化的极端天气条件时,往往表现出准确性不足和响应延迟
传统电网监控和故障检测技术的一大不足在于其有限的适应性和灵活性。这些系统通常是基于固定的算法和预设的参数来运行的,这意味着它们在处理非常规的或未预见到的情况时,特别是在极端天气条件下,可能无法有效应对。这些传统方法往往依赖于简单的阈值判断或历史数据模式,缺乏对实时环境变化的动态响应能力。在极端天气事件中,如大雪、暴风雨或极端温度,电网的运行状态可能迅速变化,这时候,传统系统可能无法及时准确地识别和响应这些变化。因此,这种缺乏灵活性和适应性的特点限制了传统电网监控系统在应对复杂和动态变化环境中的有效性。
发明内容
鉴于现有的基于孤僻森林修正LSTM算法的电网故障检测及系统中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于如何对极端天气下的电网故障进行针对性的预警和处理以适应复杂和动态的变化环境。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种基于孤僻森林修正LSTM算法的电网故障检测方法,其包括,收集极端天气下电网运行数据并做预处理。根据预处理的数据使用LSTM算法结合环境因素检测是否存在故障,若存在则发出故障预警。考虑误报因素对预警信息进行修正,并进行二次检测。根据二次检测的输出对故障预警分类进行处理。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:所述使用LSTM算法结合环境因素检测故障具体为:假设有N个电网数据特征和M个环境数据特征,则输入向量
Xt=[xt1,xt2,...,xtN,et1,et2,...,etM],其中xti是时刻t的电网数据特征,eti是同一时刻的环境数据特征;
LSTM单元遗忘门配置表示为,
ft=σ(Wf·[ht-1,Xt]+bf)
其中,Wf是遗忘门的权重矩阵,bf是偏置项;
输入门表示为,
it=σ(Wi·[ht-1,Xt]+bi)
其中,Wi是输入门的权重矩阵,bi是偏置项;
单元状态更新表示为,
其中,最终单元状态为:WC是单元状态更新的权重矩阵,bC是偏置项;
输出门表示为,
ot=σ(Wo·[ht-1,Xt]+bo)
其中,最终输出为,ht=ot*tanh(Ct);Wo是输出门的权重矩阵,bo是偏置项;σ表示sigmoid激活函数;tanh表示双曲正切激活函数;*表示Hadamard乘积;[ht-1,Xt]表示将前一时刻的隐藏状态和当前时刻的输入连接起来。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:所述故障预警的判定结合环境因素,具体为若存在故障预警且伴随大风天气则优先考虑是否为主线路的负荷过载原因,若此时伴随大雨天气则优先考虑是否为变压器渗水原因,若降雪量达到4mm未超过6mm则判定一级大雪,此时故障优先考虑变压器渗水原因,若降雪量达到6mm未超过8mm判定为二级大雪,此时故障优先考虑主线路负荷过载的原因,若降雪量超过8mm则判定为三级大雪此时应同步优先考虑主线路负荷过载和变压器渗水原因;若对所有设备检测并未发现故障则初步判定为误报原因进行二次检测。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:所述修正采用孤僻森林算法,收集历史天气条件下的电网监控数据和故障记录,使用孤立森林算法对历史数据进行异常检测,记录每次检测到的异常分数。计算历史异常分数的统计量,基于统计量确定初始阈值;根据当前环境条件与历史数据的差异,动态调整阈值,假设μ是历史异常分数的均值,σ是标准差,δ是基于当前环境条件的调整因子,则阈值T表示为:
T=μ+k·σ+δ
其中k是一个常数,控制阈值的严格程度,δ根据实时环境数据动态计算。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:对所述二次检测设置误报修正标准为n%,当误报率大于标准时逐步增大k值直至误报率达到修正标准;并将k值设定范围为p~q之间。若环境因素导致误报率再次大于标准值则再次修改k的数值,逐步增加k值直至误报率达到修正标准。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:若所述二次检测的数据误报率始终大于标准修正值,且当k值达到最大值之后误报率依然无法达到标准值,则初步判定为漏报原因,此时检查数据的时间序列,查看漏报时间及漏报位置确定故障状态。
作为本发明所述基于孤僻森林修正LSTM算法的电网故障检测方法的一种优选方案,其中:根据二次检测的输出对故障预警分类进行处理,具体包括:若为漏报故障,则根据漏报位置查看故障原因,是否为天气原因导致的通信中断,若是,则加强对电网实时数据的监控,以便及时发现可能遗漏的故障信号,设定检测时间,确保数据的时间序列完整减少漏报的风险。若为设备故障,结合天气因素对故障进行分级处理,第一优先级为变压器故障,第二优先级为主线路负荷过载故障,第三优先级为其他设备故障。若存在故障预警且伴随大风天气,则优先检查主线路的负荷状况;若检测到负荷过载,则立即降低负荷或切断过载部分的电源,以防进一步损害;并且派遣维修团队对可能的损坏点进行检查和修复。若存在故障预警且伴随大雨天气;则优先检查变压器及其周围设施是否有渗水迹象;若发现渗水,则立即关闭受影响变压器的电源,防止进一步损坏;并且进行排水处理,并检查电气绝缘和设备完整性。若存在故障预警且为大雪天气,则优先检查变压器及其周围设施是否有渗水迹象,若大雪等级达到二级及以上则同步考虑线路过载和变压器渗水故障,并对其他设备进行进一步的检测,直至定位故障原因通知人员进行处理,必要的进行断电操作。
第二方面,本发明实施例提供了一种基于孤僻森林修正LSTM算法的电网故障检测系统,其包括:采集模块,用于采集极端天气下电网运行数据并做预处理。检测模块,用于对极端天气下预处理的数据进行检测分析查看,若存在故障则进行预警。处理模块,用于对预警的故障分类进行处理。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的基于孤僻森林修正LSTM算法的电网故障检测方法的任一步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述的基于孤僻森林修正LSTM算法的电网故障检测方法的任一步骤。
本发明有益效果为通过结合实时气象数据和电网运行数据,采用先进的长短期记忆网络(LSTM)和孤立森林算法,能够更准确地预测和识别极端天气条件下的电网故障。这种方法不仅提高了故障检测的准确性,还通过动态调整阈值和误报修正机制,显著减少了误报率。此外,考虑了极端天气情况下的不同故障类型和优先级,使得故障处理更为有针对性和高效性。多维度的数据集成和智能处理,在实时监控和故障预警方面,显著提高了电网在恶劣天气条件下的稳定性和安全性,对于保障电网的可靠运行和减少由天气引起的电网故障影响具有重要意义。
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为本发明的流程图。
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。
实施例1
参照图1,为本发明第一个实施例,该实施例提供了一种极端天气下电网故障检测分析方法,包括:
S1:收集极端天气下电网运行数据并做预处理。
本发明的极端天气特指降雪量达到4mm以上的大雪天气,针对此极端天气考虑其他环境因素,实时收集气象数据,包括温度、降雪量、风速、湿度、气压信息;同时收集电网的运行数据,如电流、电压、负荷、电网稳定性指标、开关状态、设备性能数据。
对收集的数据预处理包括:清洗和规范化数据以去除噪声和异常值;数据校正,比如温度、湿度校正,以应对传感器老化或损坏的问题;进行特征提取和选择,引入时间序列分析,捕捉时间上的变化趋势。
S2:针对预处理的数据使用LSTM算法结合环境因素检测是否存在故障并对故障做出预警。
在极端的大雪天气下,需要的不仅是能够处理时序数据的高效算法,还需要算法能够适应环境变化,对噪声和非常规数据有较强的鲁棒性,通过长短期记忆网络(LSTM)与环境数据结合,在LSTM的输入层整合电网数据和环境数据,这样在处理时序电网数据的同时,考虑环境因素对电网状态的影响。
使用LSTM算法对处理的数据进行检测,假设有N个电网数据特征和M个环境数据特征,则输入向量Xt=[xt1,xt2,...,xtN,et1,et2,...,etM],其中xti是时刻t的电网数据特征,eti是同一时刻的环境数据特征。
LSTM单元遗忘门配置表示为:
ft=σ(Wf·[ht-1,Xt]+bf)
其中,Wf是遗忘门的权重矩阵,bf是偏置项;
输入门表示为:
it=σ(Wi·[ht-1,Xt]+bi)
其中,Wi是输入门的权重矩阵,bi是偏置项;
单元状态更新表示为:
其中,最终单元状态为:WC是单元状态更新的权重矩阵,bC是偏置项;
输出门表示为:
ot=σ(Wo·[ht-1,Xt]+bo)
其中,最终输出为:ht=ot*tanh(Ct),Wo是输出门的权重矩阵,bo是偏置项。
进一步的,σ表示sigmoid激活函数,用于将值映射到0和1之间,帮助模型决定保留或丢弃信息;tanh表示双曲正切激活函数,将值映射到-1和1之间,有助于调节数据规模;*表示Hadamard乘积(逐元素乘积);[ht-1,Xt]表示将前一时刻的隐藏状态和当前时刻的输入连接起来。
通过将LSTM算法结合环境因素完成对极端大雪天气下数据的故障检测,进一步对故障数据进行分析;
若存在故障预警则判定故障位置检测故障原因,结合环境因素,若此时伴随大风天气则优先考虑是否为主线路的负荷过载原因,若此时伴随大雨天气则优先考虑是否为变压器渗水原因,若降雪量达到6mm未超过10mm则判定一级大雪,此时故障优先考虑变压器渗水原因,若降雪量达到10mm未超过15mm判定为二级大雪,此时故障优先考虑主线路负荷过载的原因,若降雪量超过15mm则判定为三级大雪此时应同步优先考虑主线路负荷过载和变压器渗水原因;若对所有设备检测并未发现故障则初步判定为误报原因进行二次检测。
此时大风天气本发明特指瞬时风速达到15m/s及以上的天气状况,大雨天气特指降雨量达到10mm及以上的天气状况。
S3:考虑误报因素对预警信息进行修正,并进行二次检测。
对误报数据进行修正采用孤僻森林算法,收集历史天气条件下的电网监控数据和故障记录,包括温度、湿度、降雪量、电流、电压等,使用孤立森林算法对历史数据进行异常检测,记录每次检测到的异常分数。
计算历史异常分数的统计量,基于统计量确定初始阈值。例如,阈值可以设定为历史异常分数的均值加上两倍标准差;根据当前环境条件与历史数据的差异,动态调整阈值。例如,如果当前温度比历史平均温度低很多,可以适当提高阈值,假设μ是历史异常分数的均值,σ是标准差,δ是基于当前环境条件的调整因子,则阈值T可以表示为:
T=μ+k·σ+δ
其中k是一个常数,用于控制阈值的严格程度(例如k=2),δ根据实时环境数据动态计算,定期评估动态阈值设置的有效性,确保其与当前的天气条件和电网状态相适应。
对修正的数据进行二次检测,设置误报率2%为标准值,当误报率大于2%时逐步增大k值直至误报率达到修正标准;其中k的数值范围过高可能导致对正常情况的误判,从而增加误报率,因此,本发明中将k值设定范围为1~3之间。
同样的,若后续环境因素导致误报率再次大于标准值则再次修改k的数值,逐步增加直至误报率达到修正标准。
极端天气条件,本发明特指是大雪天气,会显著改变传感器数据的特性和电网的运行状况。动态调整使得系统能够适应这些变化,保持其在不同条件下的有效性。通过精确控制阈值,可以减少误报(错误地将正常情况判定为故障)的情况,这对于电网的安全运行至关重要。
若二次检测的数据误报率始终大于标准修正值,且当k值达到最大值之后误报率依然无法达到标准值,则初步判定为漏报原因,此时检查数据的时间序列,查看漏报时间及漏报位置确定故障状态。
S4:根据二次检测的输出对故障预警分类进行处理。
若为漏报故障,则根据漏报位置查看故障原因,是否为天气原因导致的通信中断,若是,则加强对电网实时数据的监控,以便及时发现可能遗漏的故障信号,设定检测时间,确保数据的时间序列完整减少漏报的风险;
若为设备故障,结合天气因素对故障进行分级处理,第一优先级为变压器故障,第二优先级为主线路负荷过载故障,第三优先级为其他设备故障;
若存在故障预警且伴随大风天气,则优先检查主线路的负荷状况;若检测到负荷过载,则立即降低负荷或切断过载部分的电源,以防进一步损害;并且派遣维修团队对可能的损坏点进行检查和修复;
若存在故障预警且伴随大雨天气;则优先检查变压器及其周围设施是否有渗水迹象;若发现渗水,则立即关闭受影响变压器的电源,防止进一步损坏;并且进行排水处理,并检查电气绝缘和设备完整性;
若存在故障预警且为大雪天气,则优先检查变压器及其周围设施是否有渗水迹象,若大雪等级达到二级及以上则同步考虑线路过载和变压器渗水故障,并对其他设备进行进一步的检测,直至定位故障原因通知人员进行处理,必要的进行断电操作。
综上,本发明通过结合实时气象数据和电网运行数据,采用先进的长短期记忆网络(LSTM)和孤立森林算法,能够更准确地预测和识别极端天气条件下的电网故障。这种方法不仅提高了故障检测的准确性,还通过动态调整阈值和误报修正机制,显著减少了误报率。此外,本发明考虑了各种天气情况下的不同故障类型和优先级,使得故障处理更有针对性和高效性。多维度的数据集成和智能处理,在实时监控和故障预警方面,显著提高了电网在恶劣天气条件下的稳定性和安全性,对于保障电网的可靠运行和减少由天气引起的电网故障影响具有重要意义。
实施例2
参照图1,在第一个实施例的基础之上,本实施例还进一步提供一种基于孤僻森林修正LSTM算法的电网故障检测系统,包括:
采集模块,用于采集极端天气下电网运行数据并做预处理;
检测模块,用于对极端天气下预处理的数据进行检测分析查看,若存在故障则进行预警;
处理模块,用于对预警的故障分类进行处理。
本实施例还提供一种计算机设备,适用于基于孤僻森林修正LSTM算法的电网故障检测方法的情况,包括存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的基于孤僻森林修正LSTM算法的电网故障检测方法。
该计算机设备可以是终端,该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现基于孤僻森林修正LSTM算法的电网故障检测方法。
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例3
在前两个实施例的基础之上,本实施例提供了一种基于孤僻森林修正LSTM算法的电网故障检测方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
本发明相较于现有技术,在数据集成、算法应用、故障检测、误报处理、故障类型识别以及适应性等方面展现出明显的优势。这些优势使得本发明在保障电网在极端天气条件下的稳定运行和安全性方面更为高效和可靠,具体的优势参考表1,
表1优势性对比表
通过具体的数值展示表1的优势性,结果如表2所示:
表2数据对比表
性能指标 | 现有技术 | 本发明(示例数据) |
故障检测准确率 | 75% | 92% |
数据处理速度 | 500条/秒 | 1500条/秒 |
误报率 | 25% | 8% |
响应时间 | 40分钟 | 15分钟 |
系统稳定性 | 85%的正常运行率 | 98%的正常运行率 |
系统适应性 | 一般 | 高 |
通过表2可以发现,本发明在整体性能上相比于现有技术展现了显著的优势,它不仅大幅提升了故障检测的准确性和响应速度,还显著降低了误报率,提高了系统的稳定性和自动化水平,此外,本发明的适应性得到了改进,使其更适合在极端天气条件下保障电网的可靠运行。整体而言,本发明在提升电网监控和故障处理效率方面的潜力十分显著,有助于提高电力系统的安全性和效率。
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 (10)
1.一种基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:包括,
收集极端天气下电网运行数据并做预处理;
根据预处理的数据使用LSTM算法结合环境因素检测是否存在故障,若存在则发出故障预警;
考虑误报因素对预警信息进行修正,并进行二次检测;
根据二次检测的输出对故障预警分类进行处理。
2.如权利要求1所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:所述使用LSTM算法结合环境因素检测故障具体为,
假设有N个电网数据特征和M个环境数据特征,则输入向量Xt=[xt1,xt2,...,xtN,et1,et2,...,etM],其中xti是时刻t的电网数据特征,eti是同一时刻的环境数据特征;
LSTM单元遗忘门配置表示为,
ft=σ(Wf·[ht-1,Xt]+bf)
其中,Wf是遗忘门的权重矩阵,bf是偏置项;
输入门表示为,
it=σ(Wi·[ht-1,Xt]+bi)
其中,Wi是输入门的权重矩阵,bi是偏置项;
单元状态更新表示为,
其中,最终单元状态为:WC是单元状态更新的权重矩阵,bC是偏置项;
输出门表示为,
ot=σ(Wo·[ht-1,Xt]+bo)
其中,最终输出为,ht=ot*tanh(Ct);Wo是输出门的权重矩阵,bo是偏置项;σ表示sigmoid激活函数;tanh表示双曲正切激活函数;*表示Hadamard乘积;[ht-1,xt]表示将前一时刻的隐藏状态和当前时刻的输入连接起来。
3.如权利要求2所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:所述故障预警的判定结合环境因素,具体为若存在故障预警且伴随大风天气则优先考虑是否为主线路的负荷过载原因,若此时伴随大雨天气则优先考虑是否为变压器渗水原因,若降雪量达到4mm未超过6mm则判定一级大雪,此时故障优先考虑变压器渗水原因,若降雪量达到6mm未超过8mm判定为二级大雪,此时故障优先考虑主线路负荷过载的原因,若降雪量超过8mm则判定为三级大雪此时应同步优先考虑主线路负荷过载和变压器渗水原因;若对所有设备检测并未发现故障则初步判定为误报原因进行二次检测。
4.如权利要求3所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:所述修正采用孤僻森林算法,收集历史天气条件下的电网监控数据和故障记录,使用孤立森林算法对历史数据进行异常检测,记录每次检测到的异常分数;
计算历史异常分数的统计量,基于统计量确定初始阈值;根据当前环境条件与历史数据的差异,动态调整阈值,假设μ是历史异常分数的均值,σ是标准差,δ是基于当前环境条件的调整因子,则阈值T表示为,
T=μ+k·σ+δ
其中k是一个常数,控制阈值的严格程度,δ根据实时环境数据动态计算。
5.如权利要求4所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:对所述二次检测设置误报修正标准为n%,当误报率大于标准时逐步增大k值直至误报率达到修正标准;并将k值设定范围为p~q之间;
若环境因素导致误报率再次大于标准值则再次修改k的数值,逐步增加k值直至误报率达到修正标准。
6.如权利要求5所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:若所述二次检测的数据误报率始终大于标准修正值,且当k值达到最大值之后误报率依然无法达到标准值,则初步判定为漏报原因,此时检查数据的时间序列,查看漏报时间及漏报位置确定故障状态。
7.如权利要求6所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:根据二次检测的输出对故障预警分类进行处理,具体包括,
若为漏报故障,则根据漏报位置查看故障原因,是否为天气原因导致的通信中断,若是,则加强对电网实时数据的监控,以便及时发现可能遗漏的故障信号,设定检测时间,确保数据的时间序列完整减少漏报的风险;
若为设备故障,结合天气因素对故障进行分级处理,第一优先级为变压器故障,第二优先级为主线路负荷过载故障,第三优先级为其他设备故障;
若存在故障预警且伴随大风天气,则优先检查主线路的负荷状况;若检测到负荷过载,则立即降低负荷或切断过载部分的电源,以防进一步损害;并且派遣维修团队对可能的损坏点进行检查和修复;
若存在故障预警且伴随大雨天气;则优先检查变压器及其周围设施是否有渗水迹象;若发现渗水,则立即关闭受影响变压器的电源,防止进一步损坏;并且进行排水处理,并检查电气绝缘和设备完整性;
若存在故障预警且为大雪天气,则优先检查变压器及其周围设施是否有渗水迹象,若大雪等级达到二级及以上则同步考虑线路过载和变压器渗水故障,并对其他设备进行进一步的检测,直至定位故障原因通知人员进行处理,必要的进行断电操作。
8.一种基于孤僻森林修正LSTM算法的电网故障检测系统,基于权利要求1~7任一所述的基于孤僻森林修正LSTM算法的电网故障检测方法,其特征在于:包括,
采集模块,用于采集极端天气下电网运行数据并做预处理;
检测模块,用于对极端天气下预处理的数据进行检测分析查看,若存在故障则进行预警;
处理模块,用于对预警的故障分类进行处理。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于孤僻森林修正LSTM算法的电网故障检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于孤僻森林修正LSTM算法的电网故障检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311861673.1A CN118051813A (zh) | 2023-12-29 | 2023-12-29 | 一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311861673.1A CN118051813A (zh) | 2023-12-29 | 2023-12-29 | 一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118051813A true CN118051813A (zh) | 2024-05-17 |
Family
ID=91043852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311861673.1A Pending CN118051813A (zh) | 2023-12-29 | 2023-12-29 | 一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118051813A (zh) |
-
2023
- 2023-12-29 CN CN202311861673.1A patent/CN118051813A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107636619B (zh) | 信息处理装置、信息处理系统、信息处理方法及记录介质 | |
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN101799320B (zh) | 一种旋转设备故障预测方法及其装置 | |
CN110362608B (zh) | 基于雨流计数法和局部异常因子的能耗异常检测方法 | |
WO2019133316A1 (en) | Reconstruction-based anomaly detection | |
CN106709816B (zh) | 基于非参数回归分析的电力负荷异常数据识别与修正方法 | |
CN107134978A (zh) | 一种发电量曲线判别光伏组件故障的方法 | |
CN112149877B (zh) | 多元复杂城市电网多源数据驱动的故障预测方法及其系统 | |
CN112629905A (zh) | 基于深度学习的设备异常检测方法、系统及计算机介质 | |
CN114781657B (zh) | 一种基于人工智能的电力设备检修系统及方法 | |
CN104202765A (zh) | 基于分布式网络的传感器故障检测方法及装置 | |
CN116826958A (zh) | 一种数字化输电通道智能安全巡检方法 | |
CN110378371B (zh) | 一种基于平均近邻距离异常因子的能耗异常检测方法 | |
CN107862866B (zh) | 基于平均偏移量平移的数据噪音点检测方法 | |
CN117949887A (zh) | 一种能源控制器的电能计量系统故障检测与预防方法 | |
KR101997580B1 (ko) | 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
CN118051813A (zh) | 一种基于孤僻森林修正lstm算法的电网故障检测方法及系统 | |
CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
CN108282360B (zh) | 一种长短期预测融合的故障检测方法 | |
CN111960207B (zh) | 基于多元分析的电梯运行环境异常检测方法及检测系统 | |
CN114037338A (zh) | 一种基于自然灾害下对电能质量影响的风险预警评估系统 | |
CN113298175A (zh) | 基于多场景和多元数据的独居老人用电监控方法和系统 | |
CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 | |
CN117688464B (zh) | 一种基于多源传感器数据的隐患分析方法及系统 | |
CN116432819A (zh) | 一种关键指标趋势预警方法、系统、终端及存储介质 |
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 |